FAIRGAMER：评估基于 LLM 的视频游戏 NPC 中的社会偏见
人工智能
2026-01-22 v3
摘要
大型语言模型（LLM）日益增强或取代了视频游戏中的传统非玩家角色（NPC）。然而，这些基于 LLM 的 NPC 继承了潜在的社会偏见（如种族或阶级），在游戏内交互中构成了公平性风险。针对该问题有限的探索，我们提出了 FairGamer，这是首个用于评估三种交互模式（交易、合作和竞争）中社会偏见的基准。FairGamer 使用一种新颖的指标 FairMCV，在 12 个不同的评估任务中评估四种偏见类型，包括阶级、种族、年龄和国籍。我们对七个前沿 LLM 的评估表明：（1）模型表现出有偏见的决策，其中 Grok-4-Fast 表现出最高的偏见（平均 FairMCV = 76.9%）；（2）较大的 LLM 表现出更严重的社会偏见，这表明模型容量的增加无意中放大了这些偏见。我们在 https://github.com/Anonymous999-xxx/FairGamer 发布了 FairGamer，以促进未来关于 NPC 公平性的研究。
引用
@article{arxiv.2508.17825,
title = {FAIRGAMER: Evaluating Social Biases in LLM-Based Video Game NPCs},
author = {Bingkang Shi and Jen-tse Huang and Long Luo and Tianyu Zong and Hongzhu Yi and Yuanxiang Wang and Songlin Hu and Xiaodan Zhang and Zhongjiang Yao},
journal= {arXiv preprint arXiv:2508.17825},
year = {2026}
}