人工智能的偏见问题一直是学界与产业界关注的焦点。近年来，随着多模态模型和大型语言模型的广泛应用，偏见不仅体现在种族、性别等传统维度，还涉及政治倾向、视觉概念理解等更复杂的层面。近期OpenAI的一系列工作揭示了这一趋势的最新进展。
首先，在模型内部机制层面，OpenAI的研究发现CLIP模型中的多模态神经元可以响应人物、地标等抽象概念，但这些神经元也可能关联到刻板印象，例如对特定职业的性别偏见（多模态神经元：CLIP模型的概念理解机制）。其次，在生成式模型的安全实践上，OpenAI通过改进DALL·E 2的训练数据和过滤策略，显著减少了性别和种族偏见，例如增加了非西方背景的图片描述比例（减少偏见提升安全性：DALL·E 2新法）。此外，针对语言模型的政治偏见，OpenAI提出了一套系统评估方法，发现ChatGPT在特定话题上存在左倾倾向，并指出这种偏见可能源于训练数据和微调策略（OpenAI评估ChatGPT政治偏见新方法）。最后，OpenAI对GPT-5所谓“地精输出”的探源，揭示了数据集中罕见模式导致模型产生怪异、不连贯回应的现象，这本质上是训练数据分布偏斜引发的偏见（OpenAI揭秘GPT-5地精输出根源）。
当前的核心争议在于：偏见究竟是技术问题还是社会问题？虽然通过数据过滤、对抗性训练等手段可以缓解部分偏见，但完全消除几乎不可能。未来值得观察的是，监管机构是否会要求模型披露训练数据中的偏见来源，以及模型输出中的“隐形”政治倾向是否会被纳入伦理评估标准。