偏誤緩解

深度分析

大型語言模型在組織治理中的親和偏誤：LLM Nepotism 研究與緩解方案

隨著大型語言模型被廣泛應用於招聘與治理，研究發現其可能產生親和偏誤。作者透過兩階段模擬，先在履歷篩選中分離 AI 信任偏好，再分析對董事會決策的影響。結果顯示，模型傾向偏好正向 AI 態度的候選人，進而造成組織內部 AI 信任度過高與決策審查失效。