Pareizais virziens, pārspīlēts apmērs

Modeļi labi atveido zināmo dzimumu atšķirību virzienu (mediānā rangu korelācija ar atsauces attiecībām ir 0,79), bet pārspīlē to apmēru. Robežstāvokļa personības traucējumi 99% gadījumu tiek atveidoti kā sievietei (atsaucē — aptuveni 70%), antisociāli personības traucējumi — 95% gadījumu kā vīrietim (aptuveni 75%). Pat neitrālā uzvednē par cilvēku, kurš sāk psihoterapiju, sieviešu īpatsvars ir 86%, salīdzinot ar aptuveni 65% atsaucē. 54% modeļa–valodas–stāvokļa šūnu vismaz 95% no 50 ģenerējumiem ir viens un tas pats dzimums.

Mūsu izlasē jaunāki modeļi nebija tuvāki atsaucei. Uzvednes spāņu valodā atbildes novirza uz sievietēm, bet ķīniešu valodā — uz vīriešiem. Šis ir mūsu agrākā pētījuma par Polijas pacientiem otrais, daudz plašākais izdevums.

Saturs

Katrā uzvednē modelim lūdza ģenerēt izdomātu cilvēku ar [traucējumiem] un vienā rindiņā norādīt vārdu, dzimumu, vecumu (18–55) un nodarbošanos. Nebija sistēmas uzvednes un klīniskā konteksta. Kontroles uzvednē lūdza izdomātu cilvēku, kurš sāk psihoterapiju.

• 11 stāvokļi: depresija, ģeneralizēta trauksme, sociālā trauksme, OCD, PTSD, robežstāvokļa, narcistiski un antisociāli personības traucējumi (PD), ADHD, autisms un kontroles stāvoklis.
• 4 valodas: angļu, poļu, spāņu un ķīniešu.
• 54 modeļi, kas izlaisti 2023.–2026. gadā: 34 no ASV izstrādātājiem, 15 no Ķīnas un 5 no Eiropas, tostarp Polijas Bielik un PLLuM. 47 tika izsaukti, izmantojot API, bet 7 atvērtā svaru modeļi darbināti lokāli, izmantojot mūsu aparatūru.
• 50 ģenerējumi katrā šūnā pie temperatūras 0,9: 118 800 atbilžu. 98,9% tika parsētas, 1,0% bija atteikumi vai neparsētas atbildes, 0,1% — kļūdas. Kopējās API izmaksas — USD 60.
• Atsauces vērtības: aptuvenais sieviešu īpatsvars cilvēku vidū ar katru traucējumu, pamatojoties uz DSM-5-TR un epidemioloģisko pārskatu datiem. Tās ir aptuvenas vērtības, nevis absolūta patiesība; secinājumi balstās tikai uz virzienu un aptuveno lielumu.

Logaritmisko izredžu skalā modeļu mediāna atsauces attiecību palielina 2,4 reizes (starpkvartiļu diapazons 2,1–3,0); visiem 54 modeļiem slīpums pārsniedz 1. Visi 54 modeļi ir polarizētāki nekā atsauce (vidējais attālums no dzimumu paritātes ir 0,33 pret 0,16).

Divi stāvokļi neiekļaujas šajā tendencē. PTSD ir vienīgais stāvoklis ar sieviešu pārsvaru, kurā modeļi šo pārsvaru vēl vairāk nepalielina (62% pret 68%); modeļu atbildes ievērojami atšķiras (1–96%). ADHD un autisms, ko biežāk diagnosticē vīriešiem, tiek virzīti dzimumu paritātes virzienā (sievietes — 50% un 45% pret 38% un 25%).

Sieviešu īpatsvars (%). Modeļi: vidējais rādītājs 54 modeļiem (katram — vidējais no 4 valodām × 50 ģenerējumiem). > atsauces: modeļi pārsniedz atsauces vērtību. p: Vilkoksona zīmju rangu tests pret atsauces vērtību.

54% no 2 360 modeļa–valodas–stāvokļa šūnām vismaz 95% no 50 ģenerējumiem ir viens un tas pats dzimums, bet 40% gadījumu tāds ir pilnīgi visiem, pat pie temperatūras 0,9.

Līdzīgi atkārtojas arī vārdi. Maya ir 34% no visām angļu valodā ģenerētajām sievietēm, bet Marcus — 28% no angļu valodā ģenerētajiem vīriešiem; Anna ir 37% no poļu sievietēm un Marek — 38% no poļu vīriešiem; Lucía ir 37% no spāņu sievietēm. Profesijas atbilst stereotipiem: grafiskā dizainere — robežstāvokļa PD, depresijas un trauksmes gadījumā; korporatīvais jurists — narcistisku PD gadījumā; lietotu automobiļu pārdevējs — antisociālu PD gadījumā; programmatūras izstrādātājs — autisma gadījumā.

Novirze no atsauces, modeļiem kļūstot jaunākiem, nesamazinās; tā nedaudz pieaug (Spīrmena ρ = 0,36, p = 0,013, 47 API modeļi). Atsaucei vistuvākie bija Qwen 2.5 72B, GPT-5.4 un GPT-4o mini, bet visattālākie — Gemini 3.1 Pro, GPT-6 Sol un GPT-6 Luna. Gemini 3.1 Pro noklusējuma tendence ir pretēja lielākajai daļai modeļu: pārsvarā vīrieši depresijas, sociālās trauksmes un PTSD gadījumā, ADHD un autisma gadījumā sieviešu nav vispār, toties robežstāvokļa PD gadījumā sieviešu īpatsvars ir 100%. Vīriešu pārsvars ir cita veida aizspriedums, nevis mazāki aizspriedumi.

OpenAI modeļu sērijā personības traucējumu gadījumā noklusējuma tendences svārstās starp secīgiem laidieniem, kas liecina, ka tās, iespējams, ir pēcapmācības blakusprodukts, nevis stabila īpašība. Atšķirības starp ASV, Ķīnas un Eiropas izstrādātājiem ir nelielas. Septiņi lokālie modeļi nebija sliktāki par API modeļiem; Polijas PLLuM 12B bija viens no atsaucei tuvākajiem, un Bielik 11B bija vienīgais modelis, kas antisociālu PD gadījumā atbilda atsaucei.

• Klīnisko mācību materiālu veidotājiem. Mācību dalībnieks, kurš sastop tikai sievietes ar robežstāvokļa PD un vīriešus ar antisociālu PD, var pārņemt spēcīgāku sākotnējo pieņēmumu, nekā pamato epidemioloģiskie dati, tieši tajos stāvokļos, kuros dokumentētas problēmas ar pārmērīgu diagnosticēšanu sievietēm (robežstāvokļa PD) un nepietiekamu diagnosticēšanu sievietēm (autisms, ADHD).
• Ikvienam, kas ģenerē sintētiskus pacientus vai testu kopas. Skaidri iestatiet dzimumu un citus demogrāfiskos rādītājus atbilstoši mērķa sadalījumam, nevis atstājiet to modeļa ziņā, un pārbaudiet ģenerētās kohortas pret atsauces attiecībām.
• Izvēloties modeli. Mūsu izlasē ne modeļa jaunums, reģions, izmērs, ne lokāla izmantošana neļāva paredzēt aizspriedumus, un tie mainījās starp modeļu laidieniem. Izvērtējiet katru izvietoto modeļa versiju.

• Viena uzvednes veidne. Rezultāti raksturo noklusējuma uzvedību, izmantojot īsu pieprasījumu bez sistēmas uzvednes un klīniskā konteksta; lietotās lietotnes var atšķirties.
• Aptuvenas atsauces vērtības. Dzimumu attiecības atšķiras atkarībā no valsts, vides un diagnostikas prakses; klīniskajās izlasēs robežstāvokļa PD biežāk sastopams sievietēm, bet kopienu aptaujās šī attiecība ir tuvāka dzimumu paritātei.
• Tulkojums un gramatiskā dzimte. Traucējumu nosaukumus tulkojām mēs, un katrā valodā tiem var būt atšķirīgas konotācijas.
• API maršrutēšana. Modeli var apkalpot dažādi pakalpojumu sniedzēji; katra izsaukuma pakalpojumu sniedzējs ir norādīts datu kopā.
• Binārā analīze balstās uz sieviešu/vīriešu atbildēm; citas atbildes norādītas atsevišķi. Parsēšana balstīta uz noteikumiem un auditēta katram modelim.

ZIP faila saturs

• paper/: raksts PDF formātā
• data/responses.csv un .parquet: visas atbildes ar modeli, valodu, stāvokli, neapstrādāto tekstu un parsēto vārdu, dzimumu, vecumu un nodarbošanos
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: datu vākšanas, parsēšanas un analīzes skripti
• figures/: šīs lapas attēli
• README.md: datu kopas apraksts. Licence CC BY 4.0.

Kā citēt

@misc{glowacki2026genderbias,
  title  = {Language Models Know Which Way Mental Disorders Skew by Sex, and Exaggerate It: A 54-Model, Four-Language Audit},
  author = {G{\l}owacki, Bart{\l}omiej and G{\l}owacka, Joanna and Cylwik, Ewa and G{\l}owacki, Bohdan},
  year   = {2026},
  note   = {Preprint, AITHENTICA P.S.A. / Therapy Support. Dataset: doi:10.5281/zenodo.23676720},
  url    = {https://aitherapy.support/research/llm-gender-bias-mental-health/}
}