审计大语言模型在新闻媒体曝光中的编辑偏见
计算机与社会
2025-11-03 v1
摘要
大语言模型（LLMs）日益成为网页内容的入口，塑造了数百万用户接触在线信息的方式。不同于传统搜索引擎，其检索和排序机制已广泛研究，LLMs 的选择过程为答案的生成添加了若干不透明层。通过决定用户看到的新闻来源，这些系统可以影响公众意见，强化回音室效应，并对公民讨论和公众信任构成风险。本工作扩展了两十年来算法审计研究，审查 LLMs 作为新闻引擎的功能。我们提出首个对比审计，比较三大主要模型——GPT-4o-Mini、Claude-3.7-Sonnet 和 Gemini-2.0-Flash——与 Google News，探询：\textit{LLMs 与传统聚合器在信息多样性、意识形态和可靠性方面有何不同？}在 24 个全球议题上，我们发现与 Google News 相比，LLMs 浥泻了显著更少的独立新闻机构并在注意力分配上更不均衡。就此而言，GPT-4o-Mini 强调了更多事实性和右倾来源；Claude-3.7-Sonnet 偏好制度性和民间社会领域并略微放大了右倾曝光；而 Gemini-2.0-Flash 呈现出适度的左倾倾向且未显著改变事实性。这些模式在提示词变更和替代可靠性基准下保持稳健。总体而言，我们的发现表明 LLMs 已经实施了\textit{有代理编辑政策}，以不同于常规聚合器的方式精选信息。理解和治理其新兴的编辑权力将是确保数字信息生态系统透明性、多样性和信任的关键。
引用
@article{arxiv.2510.27489,
title = {Auditing LLM Editorial Bias in News Media Exposure},
author = {Marco Minici and Cristian Consonni and Federico Cinus and Giuseppe Manco},
journal= {arXiv preprint arXiv:2510.27489},
year = {2025}
}
备注
Under Peer Review