一个样本就能刷过公平性基准，EMNLP 论文质疑 BBQ 可信度

密歇根大学团队在 EMNLP2026 论文中指出，单个 BBQ 样本就能把 LLM 的公平性评测准确率刷到 90% 以上。仅用 one-shot 学习或配合 GRPO 训练即可实现；作者据此质疑 BBQ 可信度，认为通过基准不代表模型真正公平，现有公平性评测设计需重新思考，项目页、代码与模型均已开源。