政治基準測試揭露 LLM 拒答偏見

🔑 增強重點摘要

• •該基準測試採用了「強制選擇」（Forced Choice）與「允許拒答」（Opt-out）兩種模式對比，發現模型在面對敏感議題時，其政治傾向會因是否允許拒答而發生顯著的「象限漂移」，顯示模型對齊（Alignment）策略對政治中立性有決定性影響。
• •研究指出，模型對於「地緣政治敏感詞」的過濾機制（如針對台灣、新疆議題的拒答）與其在政治羅盤上的整體定位並不完全一致，這暗示了模型在處理特定國家安全議題時，採用了獨立於通用政治對齊之外的硬編碼過濾規則。
• •數據分析顯示，當模型被強制要求回答時，其輸出的政治光譜往往會向極端化偏移，這揭示了現有 RLHF（人類回饋強化學習）訓練中，對於「中立」定義的模糊性可能導致模型在被迫表態時產生幻覺式的極端傾向。

🔮 前景展望AI analysis grounded in cited sources