[AI学术] 地缘政治影响：大语言模型中的背书效应研究

在政策相关信息的总结与评估中，大语言模型（LLMs）的应用日益广泛，但它们的判断是否受到地缘政治线索的隐性影响仍不明朗。本文通过一项背书实验研究这一问题，四个 LLM 在评估相同的国际经济与安全政策时，随机将每项政策描述为受到美国、欧盟、中国或俄罗斯的支持。

在仅数字评分的条件下，GPT-5、Claude Sonnet 和 Gemini 对中国和俄罗斯支持的政策评分显著低于美国或欧盟支持的相同政策；DeepSeek 是主要的例外。

在第二个条件下，模型需要提供简短的评分理由。这一请求维持了 GPT-5 和 Claude Sonnet 的广泛西方/非西方评分差距，减轻了 Gemini 的惩罚，而在 DeepSeek 中则明显激活了对中国和俄罗斯的惩罚。

评分理由表明，西方的背书通常被视为可信度的线索，而中国和俄罗斯的背书则被视为数据安全、主权、监控或地缘政治风险的线索。这些发现表明，LLM 的政策评估可能依赖于外部背书者的身份，即使政策内容保持不变。

博主点评： 这项研究揭示了大语言模型在政策评估中的潜在偏见，特别是如何受到国家支持的影响。结果提示我们在使用 LLM 进行政策分析时，需要更加关注其背后的地缘政治因素，以确保评估的客观性和准确性。