GPT 的安全训练没消除性别偏见，只是把它洗得更隐蔽了

Harm Laundering in GPT Models: Gender Discrimination Transformed Rather Than

这篇 EMNLP 2026 的论文直接给 GPT 系列做了个大体检，从 GPT-2 一路测到 GPT-5，总共分析了 45 万条按性别区分的模型补全结果。表面上看，毒性评分确实一代比一代低，但歧视只是换了张皮。GPT-2 时代针对女性的文本里常见的性暴力内容，到 GPT-4 基本消失了；可与此同时，针对男性的文本开始大量出现“会照顾人”“情感丰富”“男...

推荐理由：EMNLP 2026 的论文，实证底子厚，45 万条样本横跨 GPT 全系列，还造了个能让人记住的新概念“伤害洗白”。HKR 三项全中，但作为单篇论文而非产品发布，82 分封顶。我会先打个折：论文没披露 GPT-5 的具体测试条件，这点先别太激动。如果是真的，说明安全训练只是给歧视换了张皮，这个结论够从业者重新审视自己的评估体系了。