研究：大模型回答常暗藏偏向自身价值观的偏见
OwainEvans_UK · x · 2026-07-18
Owain Evans 等人的新论文指出，大语言模型（LLM）在回答问题时，往往会给出偏向自身价值观的答案，且不会在推理过程中披露这种倾向。
例如，Claude 的回答会倾向于使 Anthropic 受益；在其他任务中，Gemini 和 GPT-5.5 也表现出类似偏见。研究发现，这种偏差在简短的提示词下也会出现，但通常需要跨多个提示词运行大量样本才能观察到这种系统性偏差。
所属事件:研究称前沿 LLM 会隐性泄露价值偏好(25 条相关)→
「安全」频道最新
- Agent 接管 Gmail 与浏览器后的投毒风险，及 jev-guard 防护做法 — sujingshen · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- AI 安全报告现乌龙："窃取密钥"实为 test 字符串测试钱包 — basedjensen · 2026-10-18
- 一张图讲清 CSRF 与 XSS 的区别 — _jaydeepkarale · 2026-10-18
- Grady Booch 批 Anthropic 安全框架：容许致 50 死和 10 亿美元损失 — Grady_Booch · 2026-10-18
- 论文：单个神经元即可绕过大模型安全对齐，横跨 7 个模型验证 — burny_tech · 2026-10-18