清华NLP等机构在《计算语言学》期刊提出"表征平等"概念与评估指标，检验9个开源模型能否均匀模拟不同国家人群，覆盖59国与2,420个子群体。

系统性偏差：欧美更准，中东被"拉向"美国

打开网易新闻 查看精彩图片

研究发现，模型对欧美国家的模拟准确度显著更高，且这种偏差与人均GDP、互联网普及率等指标呈正相关。更值得注意的是，模型在模拟中东国家时，倾向将其分布拉向美国数据分布。

打开网易新闻 查看精彩图片

检索增强最有效，偏好对齐无增益

在改进手段上，检索增强是最稳健的方案——GLM-4-9B的表征平等指标（EqCV）从0.0486降至0.0255，偏差几乎减半。而偏好对齐方法未带来系统性改善。

打开网易新闻 查看精彩图片

这项研究为评估大模型的地域公平性提供了可量化的新工具，也为后续改进模型的多国模拟能力指出了明确方向。