Whose Side Are You On? Investigating the Political Stance of Large Language Models

本文是LLM系列文章，针对《Whose Side Are You On? Investigating the Political Stance of Large Language Models》的翻译。

摘要

大型语言模型（LLM）因其在文本生成、摘要和信息检索等日常任务中的应用而广受欢迎。随着LLM的广泛采用持续激增，确保这些模型产生政治公正的回应变得越来越重要，目的是防止信息泡沫，维护代表性的公平性，并减轻确认偏见。在本文中，我们提出了一个定量框架和管道，旨在系统地研究LLM的政治取向。我们的调查深入探讨了LLM在从堕胎到LGBTQ问题的八个两极分化话题中的政治结盟。在各个主题中，结果表明，当用户查询包括与职业、种族或政治派别有关的细节时，LLM倾向于提供与自由派或左倾观点密切一致的回答，而不是保守派或右倾观点。这项研究中的发现不仅重申了早期关于LLM左倾特征的观察结果，而且还揭示了特定的属性，如职业，即使直接倾向于保守主义，这些属性也特别容易受到这种倾向的影响。作为避免这些模型提供政治化回应的建议，用户在制定查询时应注意，并在选择“中性”提示语言时谨慎行事。

1 引言

2 定义

3 结果