本文强调了大规模语言模型 (LLM) 部署前公平性和偏差评估的重要性，因为它们广泛应用于临床决策支持、法律分析、招聘和教育等高风险领域。为了克服现有评估方法的不足，我们提出了 HALF（Harm-Aware LLM Fairness），这是一个以部署为中心的框架，用于评估实际应用环境中的模型偏差，并考虑损害的严重程度。HALF 将九个应用领域划分为三个等级（严重、中度和轻度），并使用一个五阶段流程。对八个 LLM 的评估结果表明：(1) LLM 并非始终如一地展现出跨领域的公平性；(2) 模型规模和性能并不能保证公平性；(3) 推理模型的性能优于医疗决策支持模型，但不如训练模型。
