arXiv cs.CY· Lin Chen, Guangyuan Weng, Esteban Moro·· 23 小时前AI 评分58
研究发现大语言模型在城市之上形成不均衡的信息层
Large language models create an uneven informational layer over cities
AI 导读
研究团队用 320 个合成用户画像,对美国五座城市 304 个社区的餐厅推荐进行审计,向五款 LLM 发出近百万次查询。结果显示 LLM 既会编造不存在的场所,也会系统性忽略真实场所:在固定真实场所集合中选择时,41.5% 的餐厅从未被推荐,近五分之一被五个模型全部忽略;高收入用户得到更贵、更冷门的场所,游客被导向更贵但更多样的餐厅。
正文 · AI 翻译
摘要:大型语言模型(LLM)正逐渐成为城市之上的新信息层,影响着人们发现、考虑并最终前往哪些地点。然而,人们对其呈现哪些地点、忽略哪些地点,以及这些模式是否因社区和用户而异并转化为现实世界的经济后果知之甚少。在此,我们使用涵盖收入、年龄、性别和居住状况的 320 个合成用户画像,对美国五座城市 304 个街区的五款 LLM 的餐厅推荐进行审计,共发出近一百万次查询。我们发现,LLM 既会虚构场所,也会系统性地忽视真实场所。虚构集中在数字和物理足迹较弱的街区,而当向模型提供经过核实的场所列表时,虚构几乎消失。相比之下,不可见性持续存在:即使从一组固定的真实场所中选择,仍有 41.5% 的商家从未被推荐,近五分之一的场所被全部五个模型忽视,这表明不均衡的可见性不仅反映了知识缺失,也反映了各模型共有的系统性选择性注意模式。同样的选择性也延伸到用户层面。在相同的场所池内,高收入用户获得更昂贵且更不受欢迎的场所,而游客相比本地居民被引导至更昂贵但社会多样性更高的商家。模拟由此产生的消费者需求变化表明,广泛依赖 LLM 推荐会将访问量和收入从连锁和快餐餐厅转向独立和全服务餐饮。总之,我们的研究结果表明,LLM 充当了城市信息的选择性层,在场所和人群之间不均衡地分配可见性,并对地方经济和城市不平等产生潜在后果。
| 主题: | 计算机与社会(cs.CY);社会与信息网络(cs.SI) |
| 引用为: | arXiv:2607.06260 [cs.CY] |
| (或 arXiv:2607.06260v3 [cs.CY] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2607.06260 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Lin Chen [查看电子邮件]
[v1]
2026年7月7日星期二 13:26:38 UTC(25,145 KB)
[v2]
2026年7月23日星期四 19:32:45 UTC(25,145 KB)
[v3]
2026年11月18日星期三 03:03:46 UTC(42,462 KB)
来源:arXiv cs.CY · arxiv.org