本文探讨了上下文语言模型在代词消解任务中的性别偏见，提出了skew和stereotype两个度量标准。研究通过在线方法和增强性别平衡数据集微调BERT，以减少偏见，发现现有基准未能完全探测专业偏见。提出了MISGENDERED框架评估性别中性人称的使用，发现基于二元性别训练的模型存在误差。同时，研究提出了GenderCARE框架，有效减少性别偏见并保持模型性能。

本文分析社交媒体内容审查对性别多元化言语的偏见，探讨大型语言模型（LLMs）在处理LGBTQ+相关文本时的表现。研究发现，LLMs存在反同性恋偏见，但通过微调模型可减轻这种偏见。此外，提出了一种新方法LDFighter，以减少语言歧视，确保不同语言用户获得一致服务。

本文分析社交媒体内容审查对性别多元化言语的偏见，探讨大型语言模型中的反酷儿和跨性别者偏见，并提出通过微调模型以减少偏差的方法。同时，研究指出生成音频模型的伦理问题及其对边缘群体的影响，强调改进数据集和模型训练的重要性。

大型语言模型如ChatGPT正在改变心理学研究方式，强调模拟人类认知和行为的潜力。该论文讨论了这些模型在心理学中的能力和挑战，提供了创新工具用于文献综述、实验设计等。研究人员应负责任地使用这些模型，并考虑其伦理影响和局限性。

Google News Initiative致力于支持建立更具包容性的新闻社区，本月关注LGBTQIA+代表性。The News Minute的编辑Ragamalika Karthikeyan分享了成为酷儿记者的意义，以及他们与Inqlusive Newsrooms项目的工作。该项目旨在改变媒体报道LGBTQIA+问题的方式，制定媒体参考指南并进行培训。他们还创建了导师计划，以培养想要撰写酷儿故事的记者。