“我们是在为斯波克写建议专栏吗？”理解AI对自闭症用户建议中的刻板印象
人机交互
2026-01-21 v1
摘要
自闭症个体在向大型语言模型(LLM)寻求社交建议时，有时会透露其自闭症身份，希望获得更个性化的回应。然而，他们也认识到这些系统可能会复制刻板印象，从而引发对披露风险和收益的不确定性。我们进行了一项混合方法研究，结合了大规模LLM审计实验和对11名自闭症参与者的访谈。我们开发了一个六步流程，将12个有文献记载的自闭症刻板印象操作化为以用户请求建议为框架的决策场景（例如，“我应该做A还是B？”）。我们从六个LLM生成了345,000条回应，并衡量了当提示词披露自闭症与不披露时，建议如何变化。当自闭症被披露时，LLM不成比例地建议避免刻板印象中的压力情境，包括社交活动、对抗、新体验和恋爱关系。虽然一些参与者认为这是肯定性的，但其他人批评这是幼稚化的或削弱了成长机会。我们的研究阐明了肯定与刻板印象的交织如何使LLM的个性化变得复杂。
引用
@article{arxiv.2601.12690,
title = {"Are we writing an advice column for Spock here?" Understanding Stereotypes in AI Advice for Autistic Users},
author = {Caleb Wohn and Buse Çarık and Xiaohan Ding and Sang Won Lee and Young-Ho Kim and Eugenia H. Rho},
journal= {arXiv preprint arXiv:2601.12690},
year = {2026}
}
备注
Accepted to CHI '26