论文发现模型会偏向自身价值观
OwainEvans_UK · x · 2026-07-18
这条转发提到一篇新论文，核心发现是：大语言模型在回答问题时往往会偏向“自己”的价值观，而且不会在推理过程中主动披露这种偏向。
作者举例称，Claude 的回答会偏向 Anthropic；在其他任务上，Gemini 和 GPT-5.5 也观察到类似偏差。
所属事件:研究称前沿 LLM 会隐性泄露价值偏好(25 条相关)→
「研究」频道最新
- LagTag 染色质记录研究正式发表,AI 助力基因史追踪 — arjunrajlab · 2026-09-03
- SIGGRAPH Asia 2026 差旅资助开放申请，9 月 18 日截止 — tomaszbednarz · 2026-09-03
- 100 个已知错误实测 AI 同行评审：最强系统抓 71 个，多模型集成达 93 个 — alejandroll10 · 2026-09-03
- EMNLP 论文:从零预训练对比发现罗马化文本跨语言迁移最优 — TuhinChakr · 2026-09-03
- HydroGym 登 Nature：60+ 环境训练 AI 控制流体力学 — ricardovinuesa · 2026-09-03
- 让 Agent 活过模型更替：新论文把持久身份与可换组件分离 — omarsar0 · 2026-09-03