arXiv cs.CL· Akram Elbouanani, Yousra Taleb, Gianluca Demartini, Adrian Popescu·· 10 小时前AI 评分48
用户属性与政治意识形态如何影响 LLM 在网络政治辩论中的接受度
User Attributes and Political Ideology Shape LLM Receptiveness in Online Political Debates
AI 导读
研究将 5,376 场网络辩论重构为 LLM 对话并运行近 150,000 次受控多轮对话，发现 LLM 对左倾用户的接受度系统性高于右倾用户。该不对称在双方辩护同一立场或对手同场出现时依然存在，说明不能完全由立场一致或对话者迎合解释；重复交互会提升接受度但不消除这一排序，专业水平也有影响，修辞差异较小。该模式出现在多个模型中，但可通过不同政治语料微调大幅消除或逆转。
正文 · AI 翻译
摘要：随着用户调用 LLM 来评估有争议的主张、仲裁争端并回应对立观点，在线政治讨论越来越多地涉及 AI 介导的参与。随着这些系统成为在线交流的参与者，它们可能改变讨论中哪些发言者和论证策略获得认可。
我们通过将 5,376 场 this http URL 辩论重构为 LLM 对话，并运行近 150,000 次受控多轮对话来研究这一互动维度，这些对话改变了用户的政治倾向、专业程度、修辞策略和所辩护的立场，包括与对立用户的对话。
在自然和受控辩论中，我们发现 LLM 系统性地更倾向于接受左倾用户而非右倾用户。当不同政治倾向的用户为同一立场辩护时，以及当对立用户出现在同一对话中时，这种不对称依然存在，表明它不能完全由立场一致或对当前发言者的简单迁就来解释。重复互动会增加接受度，但不会消除这种排序；专业程度也有影响，而修辞差异较小。该模式出现在多个模型中，但并非固定不变：在不同政治语料上微调可以在很大程度上消除或逆转它。这些结果表明，LLM 可能对同一政治辩论中的参与者做出系统性的不同回应，使得这种互动不对称对于理解它们在网上公共话语中正在扮演的角色十分重要。
| 评论： | 预印本。已提交会议评审 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.02908 [cs.AI] |
| （或 arXiv:2611.02908v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.02908 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Akram Elbouanani [查看电子邮件]
[v1]
2026年11月2日星期一 10:40:22 UTC（1,329 KB）
来源：arXiv cs.CL · arxiv.org