论文《Aligning Language Models towards Counterfactual Invariance》提出用 RL 后训练对齐 LLM，提升跨群体公平性

新论文《Aligning Language Models towards Counterfactual Invariance》复用现成开源对齐工具链（开源 RM + GRPO），推导出让 LLM 使用人口统计数据时兼顾更多裁量与反事实不变公平性的方法。研究指出，RL 后训练虽提升推理与指令遵循能力，但这些收益在不同提示类别、用户子群体和敏感属性上分布不均。