1 Mio.
Frontier-LLMs wenden Stereotype nur in unkritischen Domänen an, nicht bei Gehalt oder Medizin.
- Bei einer fiktiven Namensstudie schätzte das Modell José auf $42k und Wei auf $111k Jahreseinkommen.
- Trotz 10-facher Einkommensdifferenz (800k–1 Mio. vs. 85k) unterschied sich die Gehaltsempfehlung nur um 2 % (147,5k vs. 145k).
- GPT-5.6, Gemini 3.1 Pro und Claude Opus 5 zeigten starke berufliche Stereotype (Chirurgen männlich, Krankenschwestern weiblich).
- Kleinere offene Modelle (Llama-3.2-3B, Qwen2.5-7B, OLMo-2-7B) erhöhten Gehaltsempfehlungen bei hohem sozioökonomischem Status um 141 %.
- Bei Buch- und Reiseempfehlungen wirkten sich Stil-Cues (Emojis, weiblich/männlich) deutlich aus: Romantik vs. Sci-Fi, Sicherheit/Wellness vs. Abenteuer/Nachtleben.
lesswrong.com · Cat McGee · 23. August 2026
Diese Adresse ist die zitierfähige
Zitat zum Kopieren
„Frontier-LLMs wenden Stereotype nur in unkritischen Domänen an, nicht bei Gehalt oder Medizin“ (1 Mio.) — gefunden auf lesswrong.com (Cat McGee) am 23. August 2026 via https://burseg.net/claims/ai/frontier-llms-wenden-stereotype-nur-in-unkritischen-domaenen-an-nicht