商业文本到图像系统在生成图像前会悄悄修订用户提示，这一步骤通常无法关闭或观察。现有的文化偏见审计仅关注最终图像，将生成视为单一流水线，因而无法定位偏见的根源。为此我们推出 WORLDVIEW 基准，收录 8,960 条跨 15 种语言、31 种语言‑情境配对的提示。
我们在 DALL‑E‑3、Imagen‑4、GPT‑Image‑1.5 三个系统的提示修订层进行三步分析：① 该层对每种文化情境的标记强度；② 是否将情境压缩为狭窄词汇表；③ 该词汇表是否呈现刻板印象。相较于无情境的英文基线，结果显示美国是标记最少的情境，而非西方、非英语情境被标记得更重，词汇表更窄且跨主题统一使用，且往往归结为可辨识的文化刻板印象。
进一步将原始提示与修订后提示在没有修订层的模型上生成的图像进行比较，发现修订层本身是导致这些刻板化表现的因果因素。要定位并消除文化偏见，必须审计系统的实际部署状态，而非仅审计模型本身。
点评