UW-Studie: Führende KI-Modelle bewerten chinesische und nigerianische Akzente in Interviews und Tests am schlechtesten
Die Forscher testeten multimodale Modelle von Google, OpenAI und Alibaba mit identischen, in fünf Akzenten gelesenen Texten und fanden schlechtere Noten für Vortrag und teils Inhalt, obwohl die Transkription stimmte.
Warum es wichtig ist
Audiomodelle prüfen zunehmend aufgezeichnete Bewerbungsgespräche und bewerten mündliche Prüfungen und Englischtests; eine systematische Akzent-Abwertung wirkt sich daher direkt auf Einstellung und Bildung aus. Das Team verglich amerikanische, britische, chinesische, indische und nigerianische Akzente bei identischen Texten und trennte so Akzent und Inhalt. Die Modelle behaupteten oft, chinesische und nigerianische Sprecher nuschelten, obwohl sie sie korrekt transkribierten. Die Arbeit wurde am 25. Oktober auf der EMNLP in Budapest vorgestellt; offen ist die Reaktion der Anbieter.
Die wichtigsten Fakten
- Fünf Akzente: amerikanisch, britisch, chinesisch, indisch, nigerianisch
- Modelle von Google, OpenAI und Alibaba getestet
- Bewerbungsgespräche, Konferenzvorträge, Englischtests
- Chinesische und nigerianische Akzente am schlechtesten bewertet
- Vorgestellt am 25. Oktober auf der EMNLP in Budapest