分析大语言模型人格生成及其在两极地缘政治情境中的公平性解释

大型语言模型 (LLM) 越来越多地被用于社会模拟和人格生成，这需要理解它们如何代表地缘政治身份。在本文中，我们分析了针对巴勃斯坦和以色列身份所生成的人格，研究了来自五个流行 LLM 在 640 个实验条件下的表现，这些条件变化了情境（战争 vs 非战争）和分配的角色。我们观察到在生成属性中存在显著的分布模式：在战争情境下，巴勃斯坦人格档案常与较低的社会经济地位和生存导向的角色相关联，而以色列人格档案则主要保持中产阶级身份和专业化的职业属性。当被提示明确避免有害假设时，模型展现出多样化的分布变化，例如显著增加非二元性别推断或趋向通用职业角色（如“学生”），但 underlying 的社会经济差异往往仍然存在。 Furthermore, analysis of reasoning traces reveals an interesting dynamics between model reasoning and generation: while rationales consistently mention fairness-related concepts, the final generated personas follow the aforementioned diverse distributional changes. These findings illustrate a picture of how models interpret geopolitical contexts, while suggesting that they process fairness and adjust in varied ways; there is no consistent, direct translation of fairness concepts into representative outcomes.