随着数百万人向人工智能聊天机器人寻求新闻、政治争论甚至如何投票的答案，一项新的研究提出了一个令人不安的问题：当模型与我们意见不一致时，它们会倾向于哪一边？

分析初创公司 Trakkr 于 2026 年 6 月发布的一个项目旨在准确地描绘出这一点。研究人员对每一个主要的人工智能模型都进行了同样的一系列有关政治、经济、言论和社会的激烈问题，结果是，大多数模型的倾向都是相同的，尽管程度不一样，也不像不经意的观察者想象的那样干净利落。 更多相关背景，请参阅我们的人工智能资讯。

研究如何进行

根据 Trakkr 的方法，每个模型都会多次被问到同一个开放式问题库，网络搜索关闭并且没有应用系统提示。这个细节很重要：在禁用检索的情况下，读数反映了模型本身的倾向，与当前在线上发生的任何事情无关。

然后，一个单独的中立分类器读取每个原始答案，记录签名立场、对冲程度、拒绝类型和任何加载的语言。结果以 95% 置信区间的加权平均值绘制，并且每个原始答案都被永久存储，以便可以重新计算分数。

至关重要的是，每个模型都显示为云而不是单个点。因为每个模型都运行了很多次，所以可视化捕获了它在运行中的完整分布——比单个标签更真实的图片。

截至 2026 年 6 月 17 日收集的数据，该研究涵盖了 6 个模型和 4,400 多个答案。

研究结果

这些模型绘制在两个轴上：从左到右的经济轴，以及从自由主义者到威权主义者的社会轴。

六个模型中的四个向中心偏左。 突出的例外位于光谱的两端：
  • Grok 在所有测试的模型中测量到最右边的位置，特别是当直接询问其倾斜方向时，测量结果比其声称的更右约 0.36。
  • 双子座是最稳定的模型，位于经济轴上最接近死点的位置。

事实证明，模型所说与所做之间的差距是该研究中最具启发性的指标之一。 Claude 测量的结果比其自我报告的偏左约 0.34。 ChatGPT 和 Meta 的 Llama 都声称保持中立，但偏左，分别约为 0.29 和 0.17。 DeepSeek 落在了中心附近，并且在很大程度上符合它自己的自我描述。

一张地图，而不是一个判决

Trakkr 小心翼翼地将这项工作构建为描述性而非规定性的。该项目报告了模型所说的内容，但没有判定谁是正确的。调色板故意不是美国政治的红和蓝，分析也从未暗示哪一极更可取。

为了赋予抽象坐标意义，研究人员使用现实世界的参考人物（国家元首、政党领导人和政治运动）来锚定地图，这些参考人物的立场来自既定的专家调查，特别是 2024 年教堂山专家调查 (CHES) 和 V-Dem 数据集，而不是团队自己的判断。

该研究还分解了模型分歧最大的具体问题、每个模型热烈赞扬或拒绝批评的现实世界人物，以及从不同国家和语言的角度重新审视相同模型的“世界观”镜头。

为什么它很重要

透明度的推动是在人们对人工智能系统如何塑造公共话语的日益严格的审查之际进行的。模型的倾斜，即使是微妙的倾斜，也可以悄悄地引导它总结新闻报道、权衡政策权衡或描述政客的方式。由于聊天机器人的回答通常带着中立权威的态度，因此用户很少有办法检测到这种偏差。

通过发布一个带有评分权重的开放式问题库，将每个项目标记为基于事实或基于价值，并根据知识共享许可发布基础数据，Trakkr 正在邀请外部研究人员验证和扩展工作——这与构建模型的实验室通常发布的不透明评估形成鲜明对比。

限制

该研究承认了一些重要的警告。政治立场是多维的，将其压缩到两个轴上不可避免地会失去细微差别。答案可能会随着措辞、语言和地区的不同而变化，这就是为什么团队会衡量每次运行的稳定性，并运行单独的“边界测试”，以了解重新打开网络搜索会如何改变不同位置的结果。

所有这些都不能证明任何模型都是故意存在党派之争的。但它确实表明，主要的人工智能系统并不占据相同的地位——当数百万人就有争议的问题向它们咨询时，这些微小的差异就会累积起来。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →