——因果人机学习揭示创新生态的隐形门槛
随着人工智能、大数据和因果推断的结合，专利审批中的隐性偏见正被更精确地捕捉。最新研究通过『大语言模型』与感知实验，发现女性♀️、非裔及个体发明人相较大型企业申请者面临更高拒绝率；创新质量、地理位置等因素可能放大或缓和这种不公。“相关忽视”模型揭示了审查员在信息繁杂时易依赖刻板印象的心理机制，这是制度偏差的重要成因。改革路径上，“双盲审查”被认为是有效手段，即在审批阶段隐去申请人身份，仅基于技术内容决策。此做法在国内部分学位论文和知识产权评审中已展现减少人为偏见的成效。与此同时，优化区域创新生态、提升专利质量、强化知识产权保护，能为个体与中小企业创造更公平的竞争环境。在全球创新竞争加剧的当下，中国在专利制度建设和公平审查探索方面展现积极姿态，不仅有助于激发全民创新热情，也为国际创新治理提供了可借鉴的范式。技术进步与制度优化的双轮驱动，将为每一个有创造力的头脑打开更加公平、阳光的未来之门。（唐加文）
