English(EN) User Attributes and Political Ideology Shape LLM Receptiveness in Online Political Debates

大型语言模型在在线政治辩论中表现出偏袒左倾用户的倾向

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-04 05:00

一篇新发表在arXiv上的研究表明，大型语言模型（LLMs）在在线政治辩论中表现出偏袒左倾用户的倾向。研究人员进行了近15万次受控的多轮对话，改变了用户的政治倾向、专业知识和修辞策略等属性。研究结果表明，大型语言模型系统性地更倾向于接受左倾参与者，即使当不同政治倾向的用户捍卫相同立场或参与同一场对话时，这种不对称性依然存在。虽然重复互动和专业知识会影响接受度，但使用不同政治语料库对大型语言模型进行微调可以改变甚至逆转这种观察到的偏见。 AI

影响突显了大型语言模型互动中可能存在的偏见，这些偏见可能会影响在线讨论和公众舆论。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了大型语言模型的行为发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 40 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了大型语言模型的行为发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Akram Elbouanani, Yousra Taleb, Gianluca Demartini, Adrian Popescu · 2026-11-04 05:00

用户属性和政治意识形态影响在线政治辩论中对大型语言模型的接受度

arXiv:2611.02908v1 Announce Type: cross Abstract: Online political discussions increasingly involve AI-mediated participation, as users invoke LLMs to assess contested claims, arbitrate disputes, and respond to opposing viewpoints. As these systems become participants in online e…

本文如何被排名

报道来源 [1]

用户属性和政治意识形态影响在线政治辩论中对大型语言模型的接受度

相关实体

相关话题