Kryptis teisinga, dydis perdėtas

Modeliai gerai atkuria žinomų lyčių skirtumų kryptį (medianinė ranginė koreliacija su etaloniniais santykiais – 0,79), tačiau perdeda jų dydį. Ribinis asmenybės sutrikimas 99 % atvejų vaizduojamas kaip moters (etalonas – apie 70 %), antisocialinis asmenybės sutrikimas – kaip vyro 95 % atvejų (apie 75 %). Net ir neutralioje užklausoje – apie žmogų, pradedantį psichoterapiją, – moterų yra 86 %, o etalonas – apie 65 %. 54 % modelio, kalbos ir būklės derinių bent 95 % iš 50 atsakymų priskiriama ta pati lytis.

Mūsų imtyje naujesni modeliai nebuvo artimesni etalonui. Užklausos ispanų kalba nukreipia atsakymus į moterų, o kinų kalba – į vyrų pusę. Tai antrasis, gerokai didesnis mūsų ankstesnio Lenkijos pacientų tyrimo leidimas.

Turinys

Kiekvienoje užklausoje modelio prašyta sukurti išgalvotą žmogų, turintį [sutrikimą], ir vienoje eilutėje nurodyti vardą, lytį, amžių (18–55 m.) ir profesiją. Sisteminės užklausos ir klinikinio konteksto nebuvo. Kontrolinėje užklausoje prašyta sukurti išgalvotą žmogų, pradedantį psichoterapiją.

• 11 būklių: depresija, generalizuotas nerimo sutrikimas, socialinis nerimo sutrikimas, OCD, PTSD, ribinis, narcisistinis ir antisocialinis asmenybės sutrikimai (PD), ADHD, autizmas ir kontrolinė būklė.
• 4 kalbos: anglų, lenkų, ispanų ir kinų.
• 54 modeliai, išleisti 2023–2026 m.: 34 iš JAV, 15 iš Kinijos ir 5 iš Europos kūrėjų, tarp jų lenkiški Bielik ir PLLuM. 47 modeliai naudoti per API, o 7 atvirų svorių modeliai veikė vietoje, mūsų aparatinėje įrangoje.
• Po 50 bandymų kiekvienam deriniui, esant 0,9 temperatūrai: 118 800 atsakymų. 98,9 % atsakymų išanalizuoti, 1,0 % – atsisakymai arba neapdorojami atsakymai, 0,1 % – klaidos. Bendra API kaina – 60 USD.
• Etaloninės vertės: apytikslė moterų dalis tarp žmonių, turinčių kiekvieną sutrikimą, nustatyta pagal DSM-5-TR ir epidemiologines apžvalgas. Tai apytikriai dydžiai, o ne absoliuti tiesa; išvados priklauso tik nuo jų krypties ir apytikslio dydžio.

Logaritminių šansų skalėje medianinis modelis etaloninį santykį padidina 2,4 karto (tarpkvartilinis intervalas 2,1–3,0); visų 54 modelių nuolydis yra didesnis už 1. Visi 54 modeliai yra labiau poliarizuoti nei etalonas (vidutinis atstumas nuo lygybės – 0,33, palyginti su 0,16).

Du atvejai šio modelio neatitinka. PTSD yra vienintelė moterų pusėn krypstanti būklė, kurios atveju modeliai skirtumo dar labiau nepadidina (62 %, palyginti su 68 %); modelių atsakymai labai skiriasi (1–96 %). ADHD ir autizmas, kurie dažniau diagnozuojami vyrams, pastumiami lygybės link (moterų dalis – atitinkamai 50 % ir 45 %, palyginti su 38 % ir 25 %).

Moterų dalis (%). Modeliai: 54 modelių vidurkis (kiekvieno modelio vidurkis apskaičiuotas pagal 4 kalbas × 50 bandymų). > etalono: modeliai, kurių rodiklis viršija etaloną. p: Wilcoxono rangų su ženklais testas, palyginti su etalonu.

54 % iš 2 360 modelio, kalbos ir būklės derinių bent 95 % iš 50 bandymų priskiriama ta pati lytis, o 40 % atvejų ji priskiriama visiems atsakymams, net esant 0,9 temperatūrai.

Vardų įvairovė nyksta taip pat. Maya – 34 % visų anglų kalba sugeneruotų moterų, o Marcus – 28 % vyrų; Anna – 37 % lenkų kalba sugeneruotų moterų, o Marek – 38 % vyrų; Lucía – 37 % ispanų kalba sugeneruotų moterų. Profesijos atitinka stereotipus: moteris grafikos dizainerė, turinti ribinį PD, depresiją ar nerimo sutrikimą; vyras įmonių teisės advokatas, turintis narcisistinį PD; naudotų automobilių pardavėjas, turintis antisocialinį PD; vyras programinės įrangos kūrėjas, turintis autizmą.

Nuokrypis nuo etalono nemažėja naudojant naujesnius modelius; jis šiek tiek didėja (Spearmano ρ = 0,36, p = 0,013, 47 API modeliai). Arčiausiai etalono buvo Qwen 2.5 72B, GPT-5.4 ir GPT-4o mini; toliausiai – Gemini 3.1 Pro, GPT-6 Sol ir GPT-6 Luna. Gemini 3.1 Pro turi priešingą nei dauguma modelių numatytąjį pasirinkimą: dažniausiai depresija, socialiniu nerimo sutrikimu ir PTSD serga vyrai, ADHD ir autizmo atvejais moterų apskritai nėra, tačiau ribinio PD atvejais moterų yra 100 %. Numatytoji vyro lytis yra kitoks šališkumas, o ne mažesnis šališkumas.

OpenAI modelių serijoje numatytieji pasirinkimai, susiję su asmenybės sutrikimais, keičiasi tarp gretimų leidimų, o tai leidžia manyti, kad jie atsiranda dėl papildomojo mokymo, o ne yra stabili savybė. Skirtumai tarp JAV, Kinijos ir Europos kūrėjų nedideli. Septyni vietiniai modeliai nebuvo prastesni už API modelius; lenkiškas PLLuM 12B buvo tarp artimiausių etalonui, o Bielik 11B buvo vienintelis modelis, atitikęs antisocialinio PD etaloną.

• Klinikinei mokomajai medžiagai. Mokomasis asmuo, sutinkantis tik ribinį PD turinčias moteris ir antisocialinį PD turinčius vyrus, gali perimti stipresnį išankstinį lūkestį, nei pagrindžia epidemiologiniai duomenys. Tai ypač aktualu būklėms, kurių atveju dokumentuotos per dažnos diagnozės moterims (ribinis PD) ir per retos diagnozės moterims (autizmas, ADHD).
• Visiems, kuriantiems sintetinius pacientus ar testų rinkinius. Aiškiai nurodykite lytį ir kitus demografinius požymius pagal norimą pasiskirstymą, užuot palikę šį pasirinkimą modeliui, ir patikrinkite sugeneruotas grupes pagal etaloninius santykius.
• Renkantis modelį. Mūsų imtyje nei naujumas, regionas, dydis, nei vietinis naudojimas neprognozavo šališkumo, o tarp leidimų jis keitėsi. Išmatuokite kiekvienos diegiamos modelio versijos rodiklius.

• Vienas užklausos šablonas. Rezultatai apibūdina numatytąjį elgesį atsakant į trumpą užklausą be sisteminės užklausos ir klinikinio konteksto; naudojant modelius programose, rezultatai gali skirtis.
• Apytiksliai etalonai. Lyčių santykiai skiriasi pagal šalį, aplinką ir diagnostikos praktiką; klinikinėse imtyse ribinis PD dažnesnis moterims, tačiau bendruomenės apklausose santykis artimesnis lygybei.
• Vertimas ir gramatinė giminė. Sutrikimų pavadinimus išvertėme patys; kiekvienoje kalboje jie gali turėti skirtingas konotacijas.
• API užklausų maršrutizavimas. Modelį gali teikti skirtingi paslaugų teikėjai; kiekvieno skambučio teikėjas nurodytas duomenų rinkinyje.
• Dvejetainė analizė atlikta pagal moterų ir vyrų atsakymus; kiti atsakymai pateikiami atskirai. Analizavimas pagrįstas taisyklėmis ir buvo audituotas kiekvienam modeliui.

Kas yra ZIP faile

• paper/: straipsnis PDF formatu
• data/responses.csv ir .parquet: visi atsakymai su modeliu, kalba, būkle, pirminiu tekstu ir išanalizuotais vardo, lyties, amžiaus bei profesijos laukais
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: duomenų rinkimo, analizavimo ir analizės scenarijai
• figures/: šiame puslapyje pateikti paveikslai
• README.md: duomenų rinkinio aprašas. Licencija CC BY 4.0.

Kaip cituoti

@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/}
}