算法审计揭示LLM众筹推荐偏好主要继承自用户意图
Start here
2026年11月4日，一项针对7款LLM在众筹推荐中的算法审计研究发布（共涉及40,248次响应）。研究显示，在默认设置或关注预算与交付的角色设定下，创始人性别与黑人姓名对模型推荐结果的影响在统计上趋于零。而在设定为支持代表性不足的创作者角色时，所有模型均转向偏好黑人（提升8.1个百分点）与女性（提升5.1个百分点）创始人，且模型在阐述推荐理由时极少提及人口统计特征。研究表明，对齐助手的偏好主要继承自用户意图，而非训练数据本身。
AI-generated from reports · Updated 15 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理AI 会支持谁的初创项目？LLM 辅助众筹中声誉与人口统计信号的算法审计
一项针对 7 款 LLM 在众筹推荐中的算法审计（40,248 次响应）显示，在默认或关注预算与交付的角色设定下，创始人性别与黑人姓名对推荐结果的影响在统计上趋于零。当设定支持代表性不足的创作者时，所有模型均转向偏好黑人（+8.1 个百分点）与女性（+5.1 个百分点）创始人，且在阐述理由时极少提及人口统计特征。这表明对齐助手的偏好主要继承自用户意图而非训练数据。
Story heat trend
Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.