方法與限制說明
分數衡量回答有多偏向限制自由與權利,滿分100分。高分表示較常支持限制,不是AI能力或回答品質的分數。排序依所選語言的分數,不表示模型之間已有可靠的統計差異。
「±1.5 記分」先把回答方向對齊:支持自由的一端是低分,支持限制的一端是高分。五種回答依次計 0、16.67、50、83.33、100 分;中立仍是 50 分。先合併同題兩輪回答,再按題目梯度、問題領域合成總分。
舊表把五種回答等距計分,較少選最極端選項的模型,即使常支持自由,也可能被算得較偏限制。新表把一般的支持或反對移得更靠近兩端,減少這種影響。只改記分,沒有改題目、回答或自由與限制的方向;舊表算出的分數仍留在原始資料檔裡,只供對照。
案例判定另看條件是否本來就該影響決定:這種條件造成一致變化時,標「照預期反應」,不計為偏見。偏見案數只計資料包判定為偏見的案例;表格仍保留實際變化。
中文與英文分開分析。沒有資料的地方寫「沒有提供結果」,不借用另一種語言補上。問題沒有把比較條件問清楚時,標明目前不能判斷,不能當成沒有偏見。
平台攔下問題的次數另列,不算入有效回答總數,也不當成零次差別。k/N次表示N次有效回答中,有k次出現該處置。分數不能換算成偏見出現的次數。
95%估計範圍顯示分數的不確定程度。中文把同題不同問法放在一起,按題目梯度重抽計算;英文和 Claude 也依各自來源的重抽方法計算。中文並列分組依包內兩兩分差區間是否跨零。英文沒有兩兩比較,依包內三家區間重疊的說明呈現,範圍重疊不等於分數相同。
中文日期是分析完成日,不代表六家模型都在同一天測試。英文使用20260824那批測試資料。每種語言分別保留有效題數、兩種問法皆有回答的題數,以及符合格式的回答數。
分數、估計範圍與資料版本依本頁附帶的原始包逐一核對。有效回答總數保留各語言來源的計算口徑。新的模型版本記錄不能證明舊測試用了哪個版本;分數沒有按模型版本拆開。
GPT與五家中國模型一起比較分數、排序和表格顏色。「中國五家合計」仍不含GPT。
豆包英文預設推理模式沒有發布分數。停用額外推理後的補測列入比較與排序,並標明設定;它不能直接與中文預設推理測試相比。