研究：GPT-4与GPT-5对心理健康污名的性别刻画与真实人群数据存在系统性偏差
一项发表于《Social Science & Medicine》的摘要级研究，比较了GPT-4与GPT-5（均为OpenAI，美国人工智能公司开发的大语言模型）对心理健康污名的性别刻画，并与“Healthy Minds Study”7.64万余名真实受访者数据对照。
结果显示：模型部分反映性别差异方向，但对“个人污名”“感知污名”系统性低估、对“自我污名”系统性高估。 作者指出模型输出属“被扭曲的刻画”，需对照真实数据进行严格、情境化验证。
研究论文原始来源可核对
事实与证据边界
研究含两部分：研究一对GPT-4和GPT-5施加“社会距离”“刻板印象”“求助态度”等常用量表，两个模型一致把男性刻画为社会距离意愿最高、刻板印象得分相对较高、求助态度最消极（相比女性与非二元性别者）；
研究二将模型对“个人污名”“自我污名”“感知污名”的估计与Healthy Minds Study（N=76,406）真实人类数据比对，发现序数模式部分吻合，但模型对所有性别群体都低估“个人污名”和“感知污名”、大幅高估“自我污名”。 作者结论称模型学到的是“被扭曲的刻画”，需针对真实世界数据做严格、情境化验证。
作者机构包括美国加州大学戴维斯分校、马萨诸塞大学波士顿分校与韩国庆熙大学。
分析判断
这是摘要级证据，仅能说明模型输出与人类自报数据之间存在系统性偏差，不能据此推断AI（人工智能）心理健康产品会产生何种干预效果或临床后果。 其价值在于提示：模型对性别与污名的表征会偏离真实分布，若直接用于筛查、分诊或内容生成，可能放大某一群体的刻板印象。 发表期刊为同行评审期刊，但本次可见内容仅为摘要，未披露模型提示词、样本筛选与统计细节。
后续观察信号
- GPT-5与GPT-4偏差差异是否具统计显著性
- 该偏差在高风险场景（自伤风险识别、转介建议）中的表现
- 是否有独立团队在中文语境复现该对照方法