隐藏的说服者：大语言模型的政治倾向及其对选民的影响

大语言模型（LLMs）如何影响我们的民主？我们在美国总统选举背景下进行多项实验，研究大语言模型的政治倾向及其对选民的潜在影响。通过投票模拟，我们首先展示了18种开源和闭源权重大语言模型对民主党候选人的政治偏好优于共和党候选人。通过分析这些模型对候选人政策相关问题的回答，我们展示了这种对民主党候选人的倾向在指令微调模型中比其基础版本更为显著。我们进一步通过一项涉及935名美国注册选民的实验，探索大语言模型对选民选择的潜在影响。在实验过程中，参与者与大语言模型（Claude-3、Llama-3和GPT-4）进行了五次交互。实验结果显示，在与大语言模型交互后，选民选择向民主党候选人方向转变，投票差距从0.7%扩大到4.6%，尽管在对话中并未要求大语言模型说服用户支持民主党候选人。这种效应大于许多关于政治竞选说服力的先前研究，后者在总统选举中显示出最小的影响。许多用户也表达了希望与大语言模型进行进一步政治互动的愿望。大语言模型交互的哪些方面驱动了这些选民选择的转变，需要进一步研究。最后，我们探讨了一种安全方法如何使大语言模型更具政治中立性，同时提出了这样的中立性是否真的是前进道路的问题。