一句话：30 万次填空测下来，模型会从名字里读出年龄、性别和种族，然后据此选人——名字是偏见走进决策的特洛伊木马。
核过的硬料（arXiv 2610.22053，cs.CL，2026-10-15，Kalyan Bhetwal、Ceren Mert、Ian Whitehouse，马里兰大学帕克分校，标题 Name-Bias in Large Language Models）：
- 背景数字：论文引言引的调查说，美国已有近半数成年人每天至少用一次大模型——名字作为人口统计学信号的暴露面，比想象中大得多。
- 规模：论文原话是 300,000 次本地模型响应；五个开源模型各跑 2,000 轮、每轮 30 个句式，每模型 60,000 次响应，五倍正好三十万，用 vLLM 加 PagedAttention 部署。
- 五个模型横跨五家：Llama 3.2 1B Instruct（Meta）、Gemma 2 2B Instruct（Google）、Phi-3.5 Mini Instruct（Microsoft）、Mistral 7B Instruct v0.3（Mistral AI）、Qwen 2.5 7B Instruct（阿里），1B 到 7B。
- 方法：给模型固定的句子模板，让它在两个名字之间选，只换名字不换句式，把名字本身的影响隔离出来；prompt 刻意极简，只要求"只回答选项文本"，所有模型用同一句系统消息；名字取自美国社会保障署 1980 年代和 2010 年代各自前 500，种族分类用 Rosenman 等人的数据集。
- 隔离混淆的设计值得学：偶数轮同性别不同年龄、奇数轮不同性别同年龄，年龄效应因此不与性别纠缠，同时压住名字呈现顺序的位置效应。
- 偏好方向论文原话：less stereotypically male, older, popular, and white——非刻板男性、年长、流行、白人，四个方向全部对上帖子。
- 强度排序也对上：性别最强，其后是年龄、流行度，种族最弱；论文的解释是种族分类本身更模糊，性别和年龄的分类更清晰。
- 最关键的一条：偏见高度依赖句子上下文，同一个名字对在不同句子里偏好可以反转，但这种上下文依赖性不强于名字关联的刻板印象本身——模型学到的是"什么场景该偏好谁"；高低偏见句子的分布还与社会预期大体吻合，"将要管理十个团队"这类句式偏见浓度远高于"和朋友们玩玩具"。
- 论文自己的数字在打架：摘要和实验节开头说"6 个本地模型"，模型配置表和部署说明却只有 5 个，而 300,000 = 5 × 60,000 只支持 5 个；结果表里出现的还是 Llama3.1-8b 和 Gemma2-9b，跟配置表的 Llama 3.2 1B、Gemma 2 2B 对不上。读这篇论文，模型数以配置表和乘法为准。
- 帖子说"安全对齐矫枉过正导致偏好女性名字"——这是发挥不是论文结论。论文确实引了 Bai 等人 2025 年发在 PNAS 的工作：GPT-4 拒绝"女性不擅长管理"这类显式偏见陈述，却在管理场景填空里继续偏好男性名字；本文测出的方向恰好相反，但论文没有给这个反转任何解释，别把话安它头上。
- 混合效应模型还翻出一条帖子没提的：各属性贡献的排序里，名字呈现顺序（bias 项）其实是最大的单项，其后才是性别、年龄、流行度、种族——先亮哪个名字，比名字本身携带的偏见更能左右选择。
- 引文里还有个刺眼数字：Nghiem 等人 2024 年模拟招聘发现，资历完全相同的候选人，薪资建议因名字所在群体最多相差 5%。
- 局限论文自己讲了：美国名字数据不外推到其他文化，中文名的信号结构完全不同；填空任务与真实任务的生态效度待验；本地模型的偏见模式不代表商业 API。论文自列的四条贡献里还有一条帖子没提：分析偏见耦合——各属性的偏见什么时候对齐、什么时候可分离，这决定了去偏能不能分头做。
- 代码和实验配置全部开源：github.com/cerenmert14/name-bias-in-local-llms，可复现。
一句收尾：AI 的偏见不在它说什么，在它做什么——你报上名字的那一刻，模型可能已经读完你的人口统计故事。