AI 倾向与选举模拟研究

核心事件:Raphaël Dabadie 发表基于模型的选举偏好研究并说明方法学。· 研究背景:AI 已成为日常基础设施,近 50% 交互为用户寻求建议,模型内置的政治价值观影响决策重要性上升。· 方法:分析 8 场国家级选举,提取主要议题并收集候选政策,进行标准化与匿名化以去除身份影响。· 模型被要求以该国公民身份仅基于政策排序偏好,并进一步被要求从“空白起步”提出施政方案以观察其治理倾向。· 研究强调理解模型倾向的重要性与其在公众决策中潜在影响。
Key insights
研究表明需测量 AI 的政治倾向
Raphaël Dabadie 指出 AI 在日常使用中经常被用于提供建议,当其每天帮助数百万人理解世界时,内置的政治价值观不再是细节而是会影响决策。研究基于 OpenAI 数据指出近 50% 交互为明确寻求建议,从而强调测量模型倾向的重要性。
方法:匿名化政策并模拟公民排序偏好
研究方法包括分析 8 场国家级选举、提取议题、收集并标准化候选政策后匿名化,随后让模型以该国公民身份仅基于政策内容对候选人排序,并要求模型提出其若‘空白起步’的施政方案,以检视模型在无身份信息下的政策倾向。