外貌描述仍带分级性别联想，16个LLM评分被压缩且弃答偏斜

读者现在可以查证：看似“客观”的外貌描述在人类解读中仍带结构化、分级的性别联想——Yingjia Wan、Lin Lin与Elisa Kreiss构建的GAPA数据集覆盖316个常见外貌属性，由304名美国标注者给出14706条性别联想评分。

此前以描述替代性别标签常被视为中性沟通的做法，其代价是掩盖了这些描述本身携带的联想强度与分级结构。

作者称，16个LLM仅部分复现人类评分：分布被压缩、对男性联想对齐较弱，弃答不对称地集中于非二元类别；数据集、代码与代理预测模型已由作者公开。

该结果未覆盖非美国标注者人群，且尚无第三方复现；预印本arXiv编号2609.16366，arXiv页面标注发表于COLM 2026。