本研究探讨了CLIP框架下视觉语言模型的社会偏差与预训练特征及下游表现的关系。结果表明，预训练数据集是偏差的重要预测因素，而模型架构的影响较小。内在偏差与下游表现呈正相关，优化模型可能加剧偏差，为减少偏差提供了启示。

研究评估了大型语言模型在临床决策中的社会偏差，发现不同模型间存在偏见，提示设计影响偏差。提出DeLLMa框架以优化决策过程，提升准确率40%。强调需评估模型的道德特性，确保公平医疗，并探讨模型在道德判断中的表现，揭示其与人类偏好的差异，呼吁关注模型的伦理影响。