将注释者位置信息作为信号：面向反自闭能利主义的心理测量加权

大型语言模型（LLM）在决策任务中日益被用于，其中可以放大或抑制各种视角，在高风险场景中影响自闭社区。尽管已有研究识别了 LLM 中的残疾相关偏见，但它们如何概念化能利主义或在文本中检测它，仍不清楚。我们引入一个针对反自闭能利主义语言的偏见感知评估框架，采用心理测量加权的、接近社区的真实答案，基于注释者位置信息构建。该框架优于常规多数投票聚合方法，后者显著且持续地低估了自闭及自闭接纳者的视角。我们发现 LLM 常常产生有害输出，误将社区已收回的语言标记为能利主义，以及在评估工具被掩盖时，对自闭者表现出更负面的态度。我们的错误分析揭示，模型依赖表面级关键词匹配，而非上下文因素，如说话者身份，以及语言是促进内部群体团结还是伤害外部群体。