Direcție corectă, amploare exagerată

Modelele reproduc bine direcția diferențelor cunoscute dintre sexe (corelația mediană a rangurilor cu raporturile de referință este 0,79), dar exagerează amploarea acestora. Tulburarea de personalitate borderline este descrisă ca afectând o femeie în 99% dintre cazuri (referința este de aproximativ 70%), iar tulburarea de personalitate antisocială, un bărbat în 95% dintre cazuri (aproximativ 75%). Chiar și un prompt neutru, despre o persoană care începe psihoterapia, generează 86% femei, față de aproximativ 65%. În 54% dintre celulele model–limbă–afecțiune, cel puțin 95% dintre cele 50 de răspunsuri au același gen.

În eșantionul nostru, modelele mai noi nu au fost mai apropiate de referință. Prompturile în spaniolă deplasează răspunsurile către femei, iar cele în chineză, către bărbați. Aceasta este a doua ediție, mult mai amplă, a studiului nostru anterior despre pacienți polonezi.

Cuprins

Fiecare prompt cerea modelului să genereze o persoană fictivă cu [tulburare] și să răspundă într-un singur rând: nume, gen, vârstă (18–55) și ocupație. Fără prompt de sistem, fără context clinic. Promptul de control cerea o persoană fictivă care începe psihoterapia.

• 11 afecțiuni: depresie, anxietate generalizată, anxietate socială, OCD, PTSD, tulburare de personalitate borderline, narcisică și antisocială (PD), ADHD, autism și condiția de control.
• 4 limbi: engleză, poloneză, spaniolă și chineză.
• 54 de modele lansate în perioada 2023–2026: 34 de la dezvoltatori din SUA, 15 din China și 5 din Europa, inclusiv modelele poloneze Bielik și PLLuM. 47 au fost apelate printr-un API, iar 7 modele cu ponderi deschise au fost rulate local, pe echipamentele noastre.
• 50 de generări per celulă la temperatura 0.9: 118.800 de răspunsuri. 98,9% au putut fi analizate, 1,0% au fost refuzuri sau nu au putut fi analizate, iar 0,1% au fost erori. Costul total al API-urilor a fost de 60 USD.
• Valori de referință: ponderea aproximativă a femeilor în rândul persoanelor cu fiecare tulburare, conform DSM-5-TR și recenziilor epidemiologice. Acestea indică ordine de mărime, nu reprezintă adevărul absolut; concluziile depind doar de direcția și amploarea aproximativă a diferențelor.

Pe scala log-șanselor, modelul median amplifică raportul de referință de 2,4 ori (interval intercuartil 2,1–3,0); panta este mai mare decât 1 pentru toate cele 54 de modele. Toate cele 54 sunt mai polarizate decât referința (distanța medie față de paritate: 0,33 față de 0,16).

Două afecțiuni nu urmează acest tipar. PTSD este singura afecțiune cu predominanță feminină pe care modelele nu o deplasează și mai mult către femei (62% față de 68%); modelele diferă considerabil între ele (1–96%). ADHD și autismul, diagnosticate mai frecvent la bărbați, sunt deplasate către paritate (50% și 45% femei, față de 38% și 25%).

Proporția femeilor (%). Modele: media celor 54 de modele (fiecare reprezintă media a 4 limbi × 50 de generări). > ref.: modele peste valoarea de referință. p: testul Wilcoxon al rangurilor cu semn, comparativ cu referința.

În 54% dintre cele 2.360 de celule model–limbă–afecțiune, cel puțin 95% dintre cele 50 de generări au același gen, iar în 40% toate au același gen, chiar și la temperatura 0.9.

Numele se uniformizează în același fel. Maya reprezintă 34% dintre toate femeile descrise în engleză, iar Marcus, 28% dintre bărbați; Anna reprezintă 37% dintre femeile poloneze, iar Marek, 38% dintre bărbații polonezi; Lucía reprezintă 37% dintre femeile descrise în spaniolă. Ocupațiile urmează stereotipuri: designer grafică pentru femei cu PD borderline, depresie și anxietate, avocat corporatist pentru bărbați cu PD narcisică, vânzător de mașini second-hand pentru PD antisocială și dezvoltator software pentru bărbați cu autism.

Abaterea față de referință nu scade în cazul modelelor mai noi; crește ușor (Spearman ρ = 0,36, p = 0,013, 47 de modele API). Cele mai apropiate modele au fost Qwen 2.5 72B, GPT-5.4 și GPT-4o mini; cele mai îndepărtate, Gemini 3.1 Pro, GPT-6 Sol și GPT-6 Luna. Gemini 3.1 Pro are o tendință implicită opusă celei a majorității modelelor: generează mai ales bărbați pentru depresie, anxietate socială și PTSD, nicio femeie pentru ADHD și autism, dar 100% femei pentru PD borderline. Tendința implicită spre bărbați este un alt tip de bias, nu un bias mai mic.

În seria OpenAI, tendințele implicite pentru tulburările de personalitate oscilează între lansări consecutive, ceea ce sugerează că sunt un produs secundar al antrenării ulterioare, nu o caracteristică stabilă. Diferențele dintre dezvoltatorii din SUA, China și Europa sunt mici. Cele șapte modele locale nu au fost mai slabe decât modelele API; PLLuM 12B din Polonia s-a numărat printre cele mai apropiate, iar Bielik 11B a fost singurul model care a corespuns referinței pentru PD antisocială.

• Pentru materialele de instruire clinică. Un cursant care întâlnește doar femei cu PD borderline și bărbați cu PD antisocială poate ajunge să aibă o predispoziție mai accentuată decât susțin datele epidemiologice, tocmai pentru afecțiunile în cazul cărora sunt documentate problemele supradiagnosticării la femei (borderline) și subdiagnosticării la femei (autism, ADHD).
• Pentru oricine generează pacienți sintetici sau seturi de testare. Stabiliți explicit genul și alte caracteristici demografice, conform unei distribuții-țintă, în loc să le lăsați la latitudinea modelului, și verificați distribuțiile generate în raport cu valorile de referință.
• Pentru alegerea modelului. În eșantionul nostru, nici noutatea, nici regiunea, nici dimensiunea, nici rularea locală nu au prezis biasul, iar acesta s-a schimbat între lansări. Măsurați fiecare versiune de model pe care o utilizați.

• Un singur șablon de prompt. Rezultatele descriu comportamentul implicit pentru o solicitare scurtă, fără prompt de sistem sau context clinic; aplicațiile utilizate pot diferi.
• Valori de referință aproximative. Raporturile dintre sexe diferă în funcție de țară, context și practica de diagnostic; PD borderline prezintă o predominanță feminină în eșantioanele clinice, dar se apropie mai mult de paritate în sondajele comunitare.
• Traducere și gen gramatical. Am tradus denumirile tulburărilor, iar acestea pot avea conotații diferite în fiecare limbă.
• Rutarea API. Un model poate fi furnizat de diferiți furnizori; furnizorul fiecărui apel este înregistrat în setul de date.
• Analiză binară a răspunsurilor femeie/bărbat; celelalte răspunsuri sunt raportate separat. Analiza textului se bazează pe reguli și a fost auditată pentru fiecare model.

Ce conține fișierul ZIP

• paper/: lucrarea în format PDF
• data/responses.csv și .parquet: fiecare răspuns, cu modelul, limba, afecțiunea, textul brut și numele, genul, vârsta și ocupația extrase
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: scripturi pentru colectarea și analiza datelor, precum și pentru extragerea câmpurilor
• figures/: figurile de pe această pagină
• README.md: fișa setului de date. Licență CC BY 4.0.

Cum se citează

@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/}
}