大型语言模型的政治阴影窗口 (POW)

大型语言模型 (LLM) 中的政治偏见是负责任部署 AI 系统时日益增长的关注点。传统审计往往尝试将模型的政治位置定位为点估计，这掩盖了塑造模型愿意或不愿表达何种观点的更广阔意识形态边界。本文运用'阴影窗口'（Overton Window）概念作为框架，映射这些边界：LLM 将表达、保持中立或拒绝表达的政治观点范围。为揭示这些窗口，我们应用了称为 PRISM 的审计方法，通过设计的任务驱动提示间接诱导 LLM 的政治立场。使用'政治精神测试'评估了来自八家提供商的 28 个 LLM，以揭示其distinct的阴影窗口。尽管许多模型默认呈现经济左翼和社会自由主义立场，我们展示了其表达或拒绝特定立场的意愿差异很大，其中 DeepSeek 模型在讨论范围上非常有限，而 Gemini 模型则最为开放。我们的发现表明，阴影窗口为 LLM 的政治偏见提供了更丰富、更细致的视角，并为审计其规范边界提供了新视角。