Pregiudizio di genere nella rilevazione di notizie false con LLM: primo studio sistematico

Uno studio recente pubblicato su arXiv (2608.03627) segna il primo esame completo del pregiudizio di genere nella rilevazione di notizie false utilizzando LLM e dati del mondo reale. I ricercatori hanno migliorato il benchmark LIAR incorporando tre varianti di genere dei titoli professionali (Neutro, Maschile, Femminile) per ogni affermazione per determinare se le valutazioni di verità differiscono esclusivamente in base alla presentazione di genere. Sei LLM avanzati sono stati valutati utilizzando varie metriche di bias ed equità. Tutti i modelli hanno mostrato sensibilità al genere, con il 9,79%-35,13% delle affermazioni che hanno ricevuto etichette diverse tra le tre varianti, e i confronti Maschile-Femminile hanno rivelato tassi di inversione del 6,5%-23,6%. Lo studio ha identificato due forme principali di bias: instabilità (giudizi incoerenti) e direzionalità (favoritismo sistematico), sottolineando l'importanza dell'equità nei sistemi automatizzati di fact-checking.