arXiv: OpenAI@Andreas Maier, Jeta Sopa, Gozde Gul Sahin, Paula Perez-Toro, Siming Bayer
精选75
推荐理由：这篇论文揭示了 LLM 推荐中的赞助偏见，并提供了一个极简的对抗方法——用 30 token 提示词就能大幅降低推荐偏差。做 AI 安全、推荐系统或 LLM 应用的开发者值得一看，可以直接复现实验。
全部 AI 动态
AI 相关资讯全量信息流
5月14日
13:27
一项研究复现了 Wu 等人（2026）的发现：多数前沿大语言模型在系统提示中包含软赞助线索时，会推荐价格约两倍的赞助航班。研究者对 10 个开源聊天模型和 2 个 OpenAI 模型（gpt-3.5-turbo、gpt-4o）进行了评估，发现原文的结论具有普遍性——例如 gpt-3.5-turbo 的赞助推荐率与原报告接近。关键发现是：一个仅 30 个 token 的用户提示（要求模型先提供中立对比表格）可将开源模型的赞助推荐率从 46.9% 降至 1.0%，OpenAI 模型从 53.0% 降至 0%。研究还揭示了复现过程中的三个隐性实现错误，表明仅靠文字描述不足以准确复现。
07:26
Ethan Mollick@emollick40
推荐理由：Mollick 戳破了提示工程中的玄学泡沫，做 AI 应用或日常使用大模型的团队，看完会重新审视自己的提示词写法，建议直接照做。
5月12日
18:01
Ethan Mollick@emollick65
推荐理由：揭示了AI写作隐匿性的新问题，对内容真实性验证、学术规范及行业实践提出挑战，值得关注。