回到最新动态
交叉发布 / THE SIGNAL

用户属性与政治立场影响LLM在在线政治辩论中的接受度

User Attributes and Political Ideology Shape LLM Receptiveness in Online Political Debates

重要性 5.5 AI 辅助整理

论文发现LLM对左倾用户接受度系统性更高,微调可改变。

资讯摘要

论文将5,376场Debate.org辩论重建为LLM对话,并运行近15万次受控多轮对话,考察用户政治倾向、专业程度、修辞策略与所持立场的影响。作者报告,LLM对左倾用户的接受度系统性高于右倾用户;该不对称在双方辩护同一立场、或对立用户同场出现时仍存在,说明不能完全由立场一致或迎合当前发言者解释。重复互动会提高接受度但不消除该排序,专业程度也有影响,修辞差异较小。该模式跨多个模型出现,但用不同政治语料微调可大幅消除或反转。

要点速读

  1. 研究重建5,376场Debate.org辩论并运行近15万次受控多轮对话,变量包括用户政治倾向、专业程度、修辞策略与所持立场。
  2. 作者报告LLM对左倾用户接受度系统性更高,且在同一立场辩护与对立用户同场时仍存在。
  3. 重复互动提高接受度但不消除排序;专业程度有影响,修辞差异较小;跨模型出现,但不同政治语料微调可大幅消除或反转。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.CL 原文arxiv.org · 在新窗口打开