Bias（偏见）

训练数据或标注中的系统性偏差导致模型对特定群体、观点产生不公平倾向，是对齐与治理的重点风险。 偏见可能来自数据采集、标注规范、反馈循环与产品交互设计，需数据审计与红队测试结合治理。

Bias常见于：内容安全、合规审计、偏见评估与政策对齐。实际选型需结合业务指标、数据规模与部署约束评估适用性。

围绕 Bias 的口语化说法（见「常见误解」）常过度简化。效果依赖数据质量、任务匹配与系统整体设计；生产环境应配合评测、监控与人工复核。

Bias随 AI 研究与工程实践持续演进，定义边界与最佳实践仍在更新。建议结合原始论文、官方文档与本站延伸阅读建立准确认知。