arXiv: DeepSeek@Claudia Benavides Cantos, Eduardo C. Garrido-Merchán
55
推荐理由：该研究揭示了LLM在公共政策模拟中的系统性偏差，对AI辅助决策的可靠性提出警醒，值得政策制定者和AI开发者关注。
全部 AI 动态
AI 相关资讯全量信息流
5月12日
19:11
一项研究对比了Claude、GPT-4o、DeepSeek和Grok四种大型语言模型在西班牙和德国两个国家背景下分配固定社会预算的能力。每个模型在每个国家被询问六次，共生成48次分配结果，并与OECD参考预算进行比较。研究发现，所有模型存在系统性偏差：养老金分配不足近三倍，住房和就业分配过度分别达四倍和两倍。模型间主要差异不在于地缘政治倾向，而在于预算集中与分散策略，只有Claude表现出对国家背景的敏感性。研究认为，语言模型可辅助专家进行预算讨论，但不可替代。