arXiv cs.AI· Atharva Naik, Shounok Kar, Varnika Sharma, Ashwin Rajadesingan, Koustuv Saha·· 1 天前AI 评分42
Sima AIunty：LLM 驱动婚配中的种姓审计
Sima AIunty: Caste Audit in LLM-Driven Matchmaking
AI 导读
研究对 GPT、Gemini、Llama、Qwen 和 BharatGPT 五个模型家族进行受控审计，用真实婚恋档案考察 LLM 婚配评估中的种姓偏见。
正文 · AI 翻译
摘要：在婚配等关系领域的社交与个人决策，与文化规范和历史上的等级制度深度交织，并可能受到算法和 AI 介导的兼容性、接受度与稳定性评估的影响。在南亚语境中，种姓仍是婚姻决策的核心方面，但人们对当代大型语言模型（LLM）在此类情境中如何复制或打破基于种姓的分层知之甚少。在本研究中，我们利用真实婚恋资料，对 LLM 介导的婚配评估中的种姓偏见进行了受控审计。我们改变种姓身份（婆罗门、刹帝利、吠舍、首陀罗和达利特）以及收入（五个区间），并评估五个 LLM 系列（GPT、Gemini、Llama、Qwen 和 BharatGPT）。模型被要求从具有特定种姓身份的准新娘或准新郎视角，沿社会接受度、婚姻稳定性和文化兼容性等维度评估这些资料。我们的分析揭示了各模型一致的分层模式：同种姓配对获得最有利的评分，在 10 分制下平均比跨种姓配对高出约 30%；跨种姓配对进一步按传统种姓等级中的距离排序，在距离相同时高种姓候选人通常更受青睐，而达利特候选人还会受到额外惩罚。这些发现凸显了现有种姓等级如何在以视角为条件的 LLM 评估中被复制，并强调了在部署于社会敏感领域的 AI 系统中采用有文化根基的评估与干预策略的必要性，因为此类系统可能强化历史上的排斥形式。
| 主题： | 计算机与社会（cs.CY）；人工智能（cs.AI）；计算与语言（cs.CL）；人机交互（cs.HC）；社会与信息网络（cs.SI） |
| 引用为： | arXiv:2603.29288 [cs.CY] |
| （或本版本的 arXiv:2603.29288v2 [cs.CY]） | |
| https://doi.org/10.48550/arXiv.2603.29288 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | ACM Transactions on Social Computing (2026) |
| 相关 DOI： | https://doi.org/10.1145/3862574
链接到相关资源的 DOI |
提交历史
来自：Koustuv Saha [查看邮箱]
[v1]
2026 年 3 月 31 日星期二 05:44:55 UTC（145 KB）
[v2]
2026 年 11 月 11 日星期三 16:44:03 UTC（1,884 KB）
来源：arXiv cs.AI · arxiv.org