大型語言模型的解釋公平性：跨人口統計群組決策說明的差異實證分析

大型語言模型（LLMs）正被廣泛用於決策及其解釋，然而關於解釋公平性的研究長期被忽視。現有研究多聚焦於決策本身的公平性，卻缺乏對 LLM 是否在不同人口統計群組間提供同等品質、深度、語氣及語言複雜度解釋的實證分析。為此，研究團隊提出「解釋公平性分類法」（Explanation Fairness Taxonomy, EFT），建立包含五個形式化定義且可操作維度的框架，分別為語量差異（Verbosity Disparity）、語氣差異（Sentiment Disparity）、認識論保留差異（Epistemic Hedging Disparity）、決策關聯解釋差異（Decision-Linked Explanation Disparity）以及詞彙複雜度差異（Lexical Complexity Disparity）。

研究團隊在招聘、醫療分診、信用評估與法律判決四大決策領域，針對 GPT-4.1、Claude Sonnet、LLaMA 3.3 70B、GPT-OSS 120B 及 Qwen3 32B 等五款主流 LLM 進行控制實證研究。實驗涵蓋 80 個提示模板與最多 400 組提示對，並引入兩個新的黑盒指標：「保留密度分數」（Hedging Density Score, HDS）與「解釋忠誠度代理」（Explanation Faithfulness Proxy, EFP）。結果顯示，所有八個 EFT 指標均呈現統計上顯著的差異（Cohen's d 從小到大型別不等，所有 p_BH 值小於 10^(-62)）。

模型選擇與差異幅度高度相關，其中 Qwen3 32B 的語量差異是 LLaMA 3.3 70B 的 5.9 倍。研究測試了兩種基於提示的緩解策略，發現這些策略能顯著降低 EFP 差異（減少 78-95%），但對語氣等風格維度無顯著影響。這支持了風格解釋不平等已編碼於預訓練分佈中，無法僅透過部署層級的指令解決的假設。研究提供了一套可重複的測量框架，用於解釋層級的公平性審計，並對 AI 監管與部署實踐產生影響。