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
- 斯坦福秋季新开 CS120 课程:AI 安全导论 — sanmikoyejo · 2026-09-03
- XBOW 团队拿下今年首个 Chrome 全链漏洞利用奖励 — moyix · 2026-09-03
- x402 协议缺卖家审核，开发者自建验签服务并踩坑实录 — Cold_Quiet_7072 · 2026-09-03
- 全美最大学区禁令：纽约公立学校八年级以下课堂禁用生成式 AI — PolarBearby · 2026-09-03
- 法国政府与 Mistral 签新约，AI 进入网络安全与司法公共服务 — Loo_Atreides · 2026-09-03
- 可解释性研究员:白盒方法再好,科学成熟也需时间沉淀 — saprmarks · 2026-09-03