FairStress评估LLM决策公平性，揭示最终选择之外的隐藏不对称

Ai2发布FairStress基准，用于评估LLM在涉及人群身份的决策中是否持续遵循证据，而不仅是比较最终选择是否一致。基准包含300个场景，结合身份呈现方式和匹配的对抗性前缀，扩展为超过13 million个测试案例，并提供50K项的FairStress-Core子集。