研究：LLM 评委无法保持中立——候选人与评估者性别及模型差异影响投票判断

一项针对 LLM-as-a-Judge（LaJ）与决策语言模型（DLM）的研究发现，在模拟市议会投票任务中，8 个模型对 240 份合成职业履历作出 30,720 次判断，候选人性别标签使赞成票概率较未指定性别提高 1.05-1.73 个百分点，仅非二元评估者身份带来 1.26 个百分点的显著提升。