Isang kamakailang ulat mula sa Anti-Defamation League (ADL) ang nagbunyag ng mga bias laban sa mga Hudyo at Israel sa iba't ibang malalaking modelo ng wika (LLMs), kabilang ang GPT-4 ng OpenAI, Claude 3. 5 ng Anthropic, Gemini 1. 5 Pro ng Google, at Llama 3-8B ng Meta. Ang pag-aaral ng ADL ay kinabibilangan ng pagsusuri ng 86 na pahayag sa iba't ibang kategorya, kabilang ang bias laban sa mga Hudyo at Israel, mga teorya ng sabwatan, at ang labanan sa pagitan ng Israel at Hamas, kung saan ang mga LLM ay bumuo ng 34, 000 na mga tugon mula sa 8, 600 na mga tanong. Ipinakita ng mga natuklasan na lahat ng LLM ay nagpakita ng sukat na anti-Jewish at anti-Israel na bias, kung saan ang Llama ng Meta ang nagpakita ng pinaka-malinaw at "tuwirang maling" mga sagot kaugnay sa mga Hudyo at Israel. Binigyang-diin ni ADL CEO Jonathan Greenblatt ang potensyal ng AI na palakasin ang maling impormasyon at mag-ambag sa antisemitism, na nananawagan ng pananagutan at mas mahusay na mga proteksyon mula sa mga developer ng AI. Sa pagtugon sa mga tanong tungkol sa digmaan sa pagitan ng Israel at Hamas, nagpakita ang GPT at Claude ng makabuluhang bias, na may nakikitang pag-aatubili na sumagot sa mga tanong na may kaugnayan sa Israel kumpara sa iba.

Tinuligsa ng ADL ang mga modelo sa kanilang kabiguan na wastong tanggihan ang mga antisemitikong teorya, na binigyang-diin na, maliban sa GPT, lahat ng LLM ay mas bias patungo sa mga teorya ng sabwatan ng mga Hudyo kaysa sa mga kinasasangkutan ng mga hindi Hudyo, habang karaniwang nagpapakita ng mas maraming bias laban sa Israel. Bilang tugon, iginiit ng Meta na ginamit ng ADL ang isang luma at hindi na ginagamit na bersyon ng kanilang AI, na naghahayag na ang mga kasalukuyang modelo ay nagbibigay ng ibang mga sagot, lalo na sa mga open-ended na tanong. Tugma ang pahayag ng Google, na nagsasabing ang bersyon ng Gemini na nasubukan ay isang developer model at hindi kumakatawan sa paggamit ng mamimili. Binigyang-diin ng mga kinatawan ng ADL ang agarang pangangailangan para sa mga kumpanya na ayusin ang mga bias na ito, na nagmumungkahi ng pakikipagtulungan sa mga institusyong gobyerno at akademiko para sa pre-deployment testing, pagsunod sa mga alituntunin ng National Institute of Standards and Technology (NIST), at pagtulong sa pagtatag ng isang regulatory framework upang mapahusay ang kaligtasan ng AI.