研究者发布ComFair多属性公平性基准，已获EMNLP 2026录用

1. 17:14
   arXiv · cs.AI

   超越单一属性审计：ComFair 可配置多属性基准评测 LLM 交叉性公平性

   研究者推出可配置公平性基准 ComFair，将现有公平性数据转换为 479,066 个受控的双属性与多属性实例，并为每个实例配对任务等价的源数据。对十款 LLM 在 Recognition、Selection、Continuation、Conversation 四类任务上的实验显示，敏感度依任务和子群组而异：判别式任务能暴露聚合指标下不可见的双向变化，生成式任务偏移更大且方向不对称，模型排名随属性组合而波动。ComFair 提供可扩展的受控敏感度审计，用于检验公平性评测结论在多属性交叉场景下的稳健性。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。