关于 AI 中“厚度评估”文化代表性的论述

生成式 AI 模型输出的评估正在增加其（不）能否代表非西方文化的能力。我们认为，这些评估往往通过简化的代表理想进行操作，脱离了人们自身对代表性的定义，忽视了文化代表性本质上具有解释性和情境性的特征。与这些“薄”评估相比，我们提出“厚度评估”（thick evaluations）的概念：一种更细致、所处情境且以话语为中心的评估框架，用于评估 AI 输出中社会世界的代表性，深植于社区自身对代表性的理解之中。我们通过孙亚洲的工作坊发展了这一评估框架，研究人们如何解释并赋予意义于 AI 生成的自文化图像。我们提出了更深入的代表性评估实践，拓宽了支撑 AI 评估的代表性理解，并通过与社区共同构建度量标准，将测量实践置于社区一线的实际体验之中。