查看PDF 摘要：专业沟通越来越依赖大型语言模型（LLMs）——但这些模型是否公平对待所有用户？我们展示了当提示包含更常见于女性使用的语言特征（如模糊语、标签问题、集体引用）时，它们会系统性地引发更短、更不复杂和更不正式的回应，涵盖三种文档类型和四个模型。这些效应在控制了提示复杂性和特征延续后仍然存在。显式的性别线索，如签名名称，编码在与语言方言相同的表征空间中——这表明存在共享的潜在机制——然而，语言风格的影响远远更大，产生了显著且一致的效应，而名称则没有。我们的研究进一步表明，事后缓解是具有挑战性的：因为这些模式根植于文化之中，超出了意识控制，用户无法通过战略性自我展示轻易避免它们，而机械分析揭示语言特征在早期变换器层中编码，并与其他特征交织在一起。我们的工作呼吁在上游考虑语言变异的影响，以减轻由大型语言模型中介的职场沟通的差异性影响。主题：计算与语言（cs.CL）；人工智能（cs.AI）引用为：arXiv:2608.13328 [cs.CL]（或者对于此版本，引用为arXiv:2608.13328v1 [cs.CL]） https://doi.org/10.48550/arXiv.2608.13328 arXiv发布的DOI通过DataCite（待注册） 提交历史 来自：Katherine Van Koevering [查看电子邮件] [v1] 2026年8月13日星期四 14:54:23 UTC（84 KB）