大语言模型归因偏差研究数据集

数据集概述

该数据集围绕大语言模型（LLMs）的归因偏差展开，包含一项受控实验的研究数据。实验涉及两种事件类型、两种归因视角、四种社会属性及基于提示的干预措施，覆盖ChatGPT与四款主流中文模型共五个LLM。

文件详解

• 文件名称：Attribution Bias in LLMs/Research Data.zip
• 文件格式：ZIP压缩包（.zip）
• 内容说明：压缩包内包含大语言模型归因偏差受控实验的研究数据，具体文件结构与字段需解压后查看

适用场景

• 大语言模型公平性研究：分析不同LLM在归因任务中的偏差表现及差异
• 提示工程干预效果评估：探究基于提示的干预措施对缓解归因偏差的作用
• 社会属性影响分析：研究社会属性变量与归因偏差之间的关联
• 跨模型对比分析：对比ChatGPT与中文主流LLM在归因任务中的行为模式