Edu-MMBias：面向教育情境下的视觉语言模型社会偏见三层级基准
人工智能
2026-04-15 v2 计算机视觉与模式识别
摘要
随着视觉语言模型(VLMs)日益融入教育决策，其公平性至关重要。然而，当前以文本为主的评估忽略了视觉模态，留下了潜在社会偏见的未监管渠道。为弥合这一差距，我们提出Edu-MMBias，一个基于社会心理学态度三组成分模型的系统性审计框架。该框架在三个层次结构维度上诊断偏见：认知、情感和行为。利用包含自我纠正机制和人类在环验证的专用生成管道，我们合成抗污染的学生轮廓，用于对当前最先进的VLMs进行全面压力测试。我们的广泛审计揭示了关键且反直觉的模式：模型表现出对低地位叙事的补偿性类偏见，同时潜藏深层的健康和种族偏见。关键在于，我们发现视觉输入充当了安全后门，触发偏见的复燃，绕过文本基准的对齐安全措施，揭示了潜在认知与最终决策之间系统性的误差。本文的贡献可在：https://anonymous.4open.science/r/EduMMBias-63B2获取。
引用
@article{arxiv.2604.10200,
title = {Edu-MMBias: A Three-Tier Multimodal Benchmark for Auditing Social Bias in Vision-Language Models under Educational Contexts},
author = {Ruijia Li and Mingzi Zhang and Zengyi Yu and Yuang Wei and Bo Jiang},
journal= {arXiv preprint arXiv:2604.10200},
year = {2026}
}