给模型加上人口标签，反而可能让少数群体更失声

模型被用作主观任务的“评委”时，关键问题不只是准不准，还包括它复制了谁的判断。研究比较23个开源模型在三类任务中的输出，并将无画像、单一人口属性和交叉画像条件，与真实标注者群体的判断分布进行对照。

不提供人口信息时，模型更贴近白人、大学学历标注者；加上人口画像后，输出仍不对称地靠近多数群体、远离少数群体，冒犯性判断上的交叉画像差异尤其突出。指令微调可能参与造成偏移，但仍需验证。结果说明画像提示并非自动实现代表性，还可能加重偏差。