I LLM Mostrano un Pregiudizio di Genere nella Valutazione della Credibilità delle Notizie

Un nuovo studio su arXiv rivela che i grandi modelli linguistici (LLM) presentano un'asimmetria specifica per genere nel valutare la credibilità delle notizie, essendo più propensi a classificare erroneamente notizie di intrattenimento legittime come false rispetto a notizie hard. La ricerca, utilizzando il dataset GossipCop di FakeNewsNet, ha testato quattro modelli all'avanguardia in un contesto zero-shot. DeepSeek-V3.2 e GPT-5.2 hanno mostrato gap nel tasso di falsi positivi rispettivamente di 10,1 e 8,8 punti percentuali (entrambi p < .001), mentre Claude Opus 4.6 e Gemini 3 Flash non hanno mostrato differenze significative. Un esperimento di scambio di stili ha indicato che il pregiudizio non è dovuto esclusivamente al registro stilistico. La mitigazione basata su prompt, come inquadrare il modello come fact-checker di notizie di intrattenimento, ha ridotto i falsi positivi per DeepSeek-V3.2 ma non è stata universalmente efficace.