人工智能（AI），特别是大型语言模型（LLMs）的快速整合，重塑了人机交互、知识管理和机构决策（Hagendorff, 2024）。随着这些模型在自然语言理解方面的能力不断提高，它们越来越多地被应用于教育、法律和医疗保健等高风险社会领域（Acikgoz et al., 2020）。然而，它们的广泛采用带来了风险，这些风险不仅包括技术上的幻觉或安全缺陷，还包括根深蒂固的社会偏见和伦理困境（Wang et al., 2023）。一个关键但尚未得到充分研究的问题是，LLMs是否继承了类似人类的认知偏见，特别是在因果归因方面（Tversky and Kahneman, 1974）。由于归因过程决定了责任和功绩如何分配给个人或群体，LLMs输出中的偏见模式可能会强化歧视性叙述并加剧不公平的制度结果（Bai et al., 2025）。这些风险要求我们重新评估生成式AI系统的负责任设计和治理。
除了模型层面的偏见和公平性问题外，生成式AI的部署还引发了企业数字责任（CDR）的更广泛问题。CDR强调，组织不仅要对数字技术的表现负责，还要对其社会后果负责，包括透明度、公平性和数字生态系统中的负责任治理（Lobschat et al., 2021, Wirtz et al., 2023）。从这个角度来看，LLMs中的归因偏见不仅仅是模型层面的限制，也是一个治理问题，因为偏见的因果解释可能会影响在高风险情境中责任、功绩和责备的分配。因此，将归因偏见置于CDR文献的背景下，可以阐明为什么减轻这种偏见应被视为生成式AI系统设计和部署过程中更广泛责任框架的一部分（Ashok et al., 2022）。
从技术上讲，LLMs中的归因偏见并非随机现象，而是训练数据、模型架构和优化协议之间协同作用的结构性副产品（Wei et al., 2025）。在预训练期间，这些模型吸收了大量语料库，其中不仅包含语言模式，还包含了人类话语中隐含的刻板印象和主导的因果叙述（Hickman et al., 2025）。这些元素共同形成了潜在的社会认知图式，这些图式在下游推理中指导因果推断。这种倾向也可能与基于Transformer的模型的特性有关，这些模型的注意力机制可能对身份或地位等社会显著线索敏感（Baldi and Vershynin, 2023）。对齐过程，特别是来自人类反馈的强化学习（RLHF），可能会通过奖励优先考虑内在美德而非外部条件的文化主导响应模式来进一步固化这些偏见（Lee, 2025）。因此，归因偏见不是一个单一的缺陷，而是一个从语料库策划到最终响应生成的累积现象。
尽管AI伦理学研究已经考察了多种偏见，尤其是与性别、种族和职业刻板印象相关的偏见，但大多数研究都集中在涉及相对静态社会属性的分类和生成任务上（Nissim et al., 2020, Lee et al., 2024）。然而，最近的实证证据表明，LLMs的输出与人类认知启发式之间存在更深层次的行为趋同，在受控实验条件下，模型模仿了直觉推理偏见（Hagendorff et al., 2023）。在复杂的决策情境中，如ChatGPT这样的模型已被证明能够复制人类判断的既定模式，表明认知倾向之间存在非平凡的重叠（Chen et al., 2025b）。这一新兴模式也与越来越多的研究相呼应，这些研究不仅将LLMs视为心理研究的对象，还将其视为人类认知的潜在模型（Binz and Schulz, 2023）。最近的研究表明，这些系统可以揭示心理上相关的推理模式，在某些情况下，甚至能够以显著的保真度捕捉人类认知的方面（Demszky et al., 2023）。然而，作为LLM偏见形式的归因推理——如何将原因和动机归因于行为——仍然没有得到充分研究，尽管已有关于生成式AI中社会危害放大的基础性警告（Kelley, 2022）。社会心理学长期以来记录了诸如基本归因错误和自我服务偏见等稳健现象（Weiner, 1985），而新兴的AI研究表明LLMs可能在道德评估中再现类似的倾向（Almeida et al., 2024）。本研究通过将LLM行为置于正式的归因和社会认知框架中，推进了对基于机器的归因偏见的更理论化的分析。
除了理论上的偏见识别之外，寻找有效的缓解策略在应用领域也有重要的先例，尤其是在教育评估方面。例如，Baker和Hawn（2022）展示了教育中的算法系统如何有可能延续结构性不平等，而Waddell（2019）指出了自动化论文评估中偏见的根源，并提出了缓解这些偏见的框架。这些先例突显了实际去偏见的持续挑战，这与当前LLM研究中的努力密切相关。目前，LLM去偏见的主流范式强调训练时的干预措施，如细化训练目标或引入基于优化的控制（Hickman et al., 2025）。相比之下，基于提示的去偏见作为一种推理时的策略仍然相对较少被研究，尽管它提供了一种计算效率高的替代方案，无需资源密集型的重新训练（Gallegos et al., 2024）。虽然提示已被证明在调节生成系统中的刻板输出方面有效，但其在校正归因推理方面的有效性仍然是当前文献中的一个关键盲点。
为了解决这些理论和实证上的差距，本研究将归因理论与社会认知相结合，构建了一个多层次的分析框架，用于研究LLMs中的归因偏见。该研究系统地考察了这些偏见在不同社会情境中的表现，并探讨了调节这些偏见的机制基础。实验设计采用了2（结果：成功 vs. 失败）× 2（视角：自我 vs. 其他）的因子结构，促使模型生成类似人类的因果推理的解释性叙述。这项研究的一个显著特点是控制了四个关键的社会属性——性别、年龄、教育和地区——以评估LLMs在解释不同社会阶层的行为时是否激活了潜在的社会图式。除了诊断之外，该研究还包括一个干预组件，以评估基于提示的去偏见策略（包括反刻板印象的框架和平衡的归因提示）是否可以减少归因极化。这项研究的概念结构在图1中进行了可视化。
本研究对AI伦理和治理领域有三个主要贡献。首先，它在算法推理和社会心理学之间建立了跨学科的桥梁，将归因理论的应用范围扩展到了人机交互领域。其次，它提出了一种严格的实验范式，通过系统地操纵社会变量来量化认知偏见，从而为评估机器认知提供了方法论模板。第三，它提供了关于推理时干预措施有效性的详细实证证据，为提高生成系统的公平性和可解释性提供了可行的见解。总体而言，这些发现支持了具有情境意识的智能代理的伦理设计，并为负责任的AI治理和企业数字责任提供了更广泛的讨论。
