077、代码实战十九：扩散模型生成结果的偏见与多样性分析

一、从一次深夜调试说起

上周团队 review 生成结果时，发现一个诡异现象：连续生成 100 张“医生”图片，89 张是男性戴眼镜的白大褂形象；生成“护士”则 94 张是女性。数据组同事把统计结果扔过来时，我背后一凉——这模型怕不是从训练数据里学到了全套社会刻板印象。

更麻烦的是，产品那边反馈生成内容“越来越像”，用户开始抱怨缺乏惊喜。这两个问题看似无关，实则同根：模型在潜空间中的分布偏好。今晚就聊聊怎么用代码把它挖出来。

二、偏见检测：不只是统计性别比例

很多人一提到偏见分析，就只统计性别、种族比例。太浅了。真正的偏见藏在条件概率的扭曲里。看看我们写的检测脚本：

defanalyze_conditional_bias(pipe,prompts,neutral_base="a photo of a")