arXiv · cs.AI· Irem Yoldas, Jie Zhang, Odinaldo Rodrigues, Martim Brand\~ao·· 2 天前
FairYield 基准揭示 LLM 与 VLM 的行人让行偏差
LLM-Driven Autonomous Vehicles Can Inherit Human Driver Biases in Pedestrian Yielding: Results and Implications From a New Benchmark
arXiv:2609.00192v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Irem Yoldas, Jie Zhang, Odinaldo Rodrigues, Martim Brand\~ao
研究任务与主要进展
论文提出 FairYield 基准及“除其他条件相同”和“自一致性”两种偏差测试方法，报告 LLM 与 VLM 的行人让行决策会受到其对行人性别、族裔、宗教、残疾、年龄、肤色和社会经济状况预测的影响。研究指出，不同模型表现出的偏差类型和程度不同，并据此质疑仅依靠通用“共同常识”模型指导自动驾驶决策的范式；当前材料仅提供论文摘要。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org