EMNLP 论文：LLM 当偏见评审时自陷「二阶偏见」，仅 0.4% 拒答

多伦多大学等机构在 EMNLP 2026 Findings 发表论文，发现 LLM 作为偏见评审员时仅 0.4% 拒答。研究让模型判断一段偏见文本会被谁接受，在无人口统计学信息、正确答案应为「未知」时仍暴露「二阶偏见」，会点名具体群体（常是主流群体）。该任务可绕过安全护栏，代码与模型响应已在 GitHub 开源。