规模即左倾：大型语言模型的政治偏见随参数量增加而增大
计算与语言
2025-05-08 v1
摘要
随着人工智能的日益普及，需要对其固有偏见进行仔细评估，以作为减轻这些倾向对用户影响的基础。大型语言模型（LLM）被许多人广泛用作各种主题的主要信息来源。LLM 经常犯事实错误、捏造数据（幻觉）或表现出偏见，使用户暴露于错误信息并影响观点。教育用户认识其风险是负责任使用的关键，因为偏见不同于幻觉，无法通过数据验证来捕捉。我们使用 Wahl-O-Mat 产生的评分，量化了流行 LLM 在近期德国联邦议院投票背景下的政治偏见。该指标衡量个人政治观点与德国政党立场之间的一致性。我们比较模型的一致性评分以识别影响其政治偏好的因素。由此，我们发现了一种偏向左翼政党的偏见，这在较大的 LLM 中最为显著。我们还发现，我们用于与模型交流的语言会影响其政治观点。此外，我们分析了模型来源和发布日期的影响，并将结果与近期联邦议院投票结果进行了比较。我们的结果表明 LLM 容易表现出政治偏见。因此，有能力开发 LLM 的大公司，无论知情与否，都有责任遏制这些偏见，因为它们可以影响每个选民的决策过程，并在总体和大规模上影响公众舆论。
关键词
引用
@article{arxiv.2505.04393,
title = {Large Means Left: Political Bias in Large Language Models Increases with Their Number of Parameters},
author = {David Exler and Mark Schutera and Markus Reischl and Luca Rettenberger},
journal= {arXiv preprint arXiv:2505.04393},
year = {2025}
}