生成式AI在游戏行业应用广泛，Steam平台已有超1万款游戏使用该技术，占比约8%，且数量持续增长。这些游戏总收入达6.6亿美元，有力反驳了“只有劣质游戏才用AI”的偏见。
创意行业正经历AI驱动的效率革命，但伴随普遍的社会偏见与职业焦虑。调查显示，许多从业者因担心歧视而隐瞒使用AI，并对失业前景感到悲观。
印度IT公司Mphasis获全球首个AI管理系统国际标准ISO/IEC42001:2023认证。该标准为企业提供可审核框架，确保AI开发部署过程遵循负责任原则，有效管理偏见、数据完整性等风险，推动AI治理透明化。
Anthropic公司推出评估Claude聊天机器人政治立场中立性的新方法，要求其回答避免无证据的政治主张，防止被指偏向保守或自由派。系统通过提示和奖励机制鼓励中立回应，可能包含对传统价值观的尊重内容。
Isahit是一个管理工作人员的平台，专注于LLM微调和数据处理，确保AI代理的高质量和无偏见。
AI驱动的新闻应用，提供无偏见、无限制的深度新闻洞察。
AI助力的无偏见和幻觉的全球信息搜索
AI驱动的新闻，头条更具信息性，更少偏见
Mungert
Granite Guardian 3.2 5B是IBM开发的AI风险检测模型，专门用于检测提示和响应中的多种安全风险。该模型基于IBM AI风险图谱，能够识别伤害、社会偏见、越狱、暴力等多种风险类型，是企业级AI安全监控的重要工具。
soob3123
Qwen3-14B是一个140亿参数的大语言模型，专注于分析性任务和文本生成推理，具有偏见中和和无审查的特点。
redrix
GodSlayer-12B-ABYSS 是一个通过 mergekit 合并多个预训练语言模型得到的12B参数模型，旨在保持稳定性和连贯性的同时，减少积极性偏见，提高现实主义和多样化响应能力。
Gemma 3 27B Instruct 是一个基于 transformers 框架的大型语言模型，专注于文本生成推理和分析型任务，具有偏见中和和无审查的特点。
Gemma 3 4B IT 是一个基于转换器架构的文本生成推理模型，专注于分析型任务和偏见中和，支持英文语言处理。
Gemma 3 1B IT 是由 Google 开发的一个 1B 参数的文本生成推理模型，专注于分析性任务和偏见中和。
BSC-LT
salamandra-7b-instruct是一个经过指令调优的70亿参数语言模型，专门针对对话场景设计，具备函数调用能力。该模型尚未与人类偏好对齐，可能生成不恰当或有偏见的输出，建议在生产环境中谨慎使用。
谷歌Gemma 3 4B模型的专用变体，专为无道德倾向的信息检索系统优化，规避传统对齐模式引入的响应偏见。
cirimus
基于ModernBERT-large微调的文本分类模型，用于检测和分类文本中的多种偏见类型。
ethical-spectacle
基于BERT微调的命名实体识别模型，用于检测文本中的社会偏见类别
cajcodes
基于DistilBERT的微调模型，用于检测和降低文本中的政治偏见，采用知识蒸馏和扩散技术实现无偏见文本表征。
PriyaPatel
基于RoBERTa微调的偏见识别模型，用于分类文本中的10种偏见类型
LaierTwoLabsInc
Satoshi 7B是一个基于比特币原理、奥地利经济学和自由意志主义原则微调的大型语言模型，具有强烈的比特币极端主义和非觉醒政治偏见。
baptle
针对全球股市重要新闻标题进行微调的FinBERT模型，通过市场数据避免人类偏见，实现无偏见的金融情绪分析。
newsmediabias
这是一个专门用于识别文本中偏见内容的命名实体识别模型，能够高亮显示文本中的偏见相关词汇和短语，为文本分析和偏见检测提供支持。
mediabiasgroup
这是一个基于弱标签预训练的媒体偏见检测模型，针对句子级媒体偏见分类进行了微调。
d4data
基于MBAD数据集训练的Spacy transformers模型，用于识别句子中的偏见词汇/短语
stefan-it
基于德语海量清洁版Common Crawl语料库（GC4）训练的超大规模德语语言模型，总规模约844GB，可能存在偏见。
这是一个基于MBAD数据集训练的英语序列分类模型，用于检测新闻文章中的偏见与公平性。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
