研究显示 LLM 拥有独特偏好偏差，不仅复刻人类偏见
ValerioCapraro · x · 2026-08-28
研究发现 LLM 不仅复刻人类偏见，还展现出自身特有的偏差模式：
- 位置偏差：当选项质量相似时，模型倾向于选择第一个出现的选项；当选项质量较低时，则倾向于选择后面的选项。
- 名字偏差：部分模型（如 Claude 3 Haiku）仅因名字偏好某些候选人，即使简历内容和职位保持不变。
这些偏差并非无害的决胜手段。展示顺序的改变可能完全逆转模型的底层偏好，导致其选择原本认为较差的选项。这些特定的偏差在人类决策中尚未被记录，表明 LLM 可能并非人类偏好的简单镜像。
所属事件:研究称 LLM 存在位置与名称等独特偏好偏差(3 条相关)→
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16
- AI 安全圈口水战:风险研究被指「公司行为」,团队负责人下场回应 — logangraham · 2026-10-16
- Brave 浏览器 AI 助手接入 GLM,推出端到端加密对话 — gnukeith · 2026-10-16