في عالم يتزايد فيه الاعتماد على نماذج اللغة الكبيرة (LLMs) لاكتشاف الأخبار المزيفة، تظهر دراسة جديدة أن هذه النماذج ليست محصنة ضد التحيزات الجنسية. السفراء في هذا المجال، قام باحثون بتحليل تأثير تحيز الجنس على دقة تقييم الحقائق، مقدّمين أول دراسة منهجية تستكشف هذا الأمر.

وقد تم تعزيز مجموعة بيانات LIAR من خلال إضافة ثلاثة متغيرات لجنس العناوين الوظيفية للمتحدثين (محايد، ذكر، أنثى) لتقييم ما إذا كانت أحكام الحقائق تتغير بناءً على التقديم الجنسي للمتحدث. أظهرت النتائج أن جميع النماذج الستة الأكثر تقدمًا التي تم تقييمها عرضت حساسية جندرية، حيث تم تصنيف 9.79%-35.13% من العبارات بشكل غير متسق عبر المتغيرات الثلاثة. علاوة على ذلك، كانت المقارنات بين الذكور والإناث تظهر معدلات تقلب تتراوح بين 6.5%-23.6%.

شملت أبرز التجليات للتحيز: عدم الاستقرار (الأحكام غير المتسقة) والاتجاهية (التحيز المنهجي). وقد أظهرت خمسة نماذج تأثيرات اتجاهية لها دلالة إحصائية، حيث كان التأثير الأقوى يميل إلى الشك في الآراء الذكورية.

تدعو هذه النتائج إلى ضرورة إدراج استراتيجيات التخفيف من التحيز ضمن تقييمات نماذج اللغة الكبيرة لضمان موثوقية وشفافية أكبر في عمليات اكتشاف الأخبار المزيفة. الدعم المستمر للبحث في هذا المجال أمر حيوي، وقد تم إصدار مجموعة البيانات المعززة بشكل عام لدعم الدراسات المستقبلية.