评估LLM在司法决策支持中的认知偏差：仁慈受害者效应与光环效应
计算机与社会
2026-03-12 v1 人工智能
摘要
我们探讨大语言模型（LLM）是否显示出类人认知偏差，及其对司法判决支持系统的潜在影响。司法判决是一种公平性至关重要的决策系统。我们聚焦两种最相关的偏差：仁慈受害者效应（VVE），重点关注在相邻同意存在时其减弱情况；以及基于声望的光环效应（职业、公司和学历）。使用从 prior 文献中改编的情景材料，以避免LLM从训练数据中回溯记忆，通过保持其他细节一致来隔离每种操纵方式，然后测量结果的差异百分比。评估了五个代表性LLM：ChatGPT 5 Instant、ChatGPT 5 Thinking、DeepSeek V3.1、Claude Sonnet 4、Gemini 2.5 Flash。我们的研究发现VVE显著，相邻同意并未显著减轻，光环效应在与人类比较时略有减弱，但学历基于的声望效应出现显著减弱。尽管不同模型和输出结果限制了当前司法使用，但相较于人类基准，整体上有所改善。
引用
@article{arxiv.2603.10016,
title = {Assessing Cognitive Biases in LLMs for Judicial Decision Support: Virtuous Victim and Halo Effects},
author = {Sierra S. Liu},
journal= {arXiv preprint arXiv:2603.10016},
year = {2026}
}
备注
IEEE ICDM 2025