Ai2 发布 FairStress 基准，评测 LLM 决策公平性

Ai2 发布 FairStress 基准，用于衡量 LLM 在招聘、医疗、借贷等 29 个领域做人员相关决策时的群体公平性，覆盖 300 个双候选人场景，并扩展出超过 1300 万个测试用例。该基准不只比较最终选择，还加入支持不同候选人的对抗前缀，测量模型在证据充分时改变决定的难易程度。团队同时发布 5 万条子集 FairStress-Core，并已将其集成到 Olmo-eval 评测工作台。