通过道德基础理论探讨大语言模型中的政治与人口统计学关联
计算与语言
2025-10-17 v1 计算机与社会
摘要
大型语言模型（LLM）日益被整合到日常生活中，扮演着医疗、人际关系乃至法律等领域的忠告者角色。这种重要性引发关于LLM在复杂政治与道德领域应对方式的疑问，尤其是关于其潜在偏见的问题。为量化潜在偏见的本质， various 研究运用道德基础理论（Moral Foundations Theory, MFT），将人类道德推理划分为五个维度：伤害、公平、族群忠诚、权威与净化。先前研究已将MFT用于衡量人类参与者在政治、民族与文化线索上的差异。虽已有部分研究分析LLM在角色扮演情境下对政治立场的响应，但迄今尚无工作直接评估LLM响应的道德倾向，也未将LLM输出与稳健的人类数据相连接。本文我们直接比较LLM的MFT响应与既有人类研究，探讨LLM响应是否存在意识形态倾向：包括其内在响应、对政治意识形态的直接表征，或是在扮演构建人类角色时的响应。我们评估LLM是否倾向于生成更符合某一政治意识形态的响应，同时检验LLM在显式提示与人口统计学基于角色扮演下能否准确代表意识形态视角。通过系统性分析LLM在各种条件与实验下的行为，本研究为AI生成响应中政治与人口统计学依赖性提供了洞见。
引用
@article{arxiv.2510.13902,
title = {Investigating Political and Demographic Associations in Large Language Models Through Moral Foundations Theory},
author = {Nicole Smith-Vaniz and Harper Lyon and Lorraine Steigner and Ben Armstrong and Nicholas Mattei},
journal= {arXiv preprint arXiv:2510.13902},
year = {2025}
}