跳到正文
arXiv cs.CY· William John Atkinson, Paul Saproza·· 23 小时前AI 评分38

Gemini 3 Flash 能否充当投票建议工具?研究揭示其建议偏好与偏差

Hi Gemini, Who Should I Vote For? The Benefits (and Problems) of Using LLMs As Voting Advice Applications

AI 导读

研究让 Gemini 3 Flash 基于 6,022 名德国受访者的政策偏好,为其提供投票政党建议。结果显示,遵循该建议对多数受访者能提升选民与政党间的政策一致性,且对政治兴趣和正规教育水平较低的选民改善效果显著更强。但模型推荐存在明显偏差:建议投票给 AfD 的频率约为标准显著性加权邻近模型的 1.5 倍,且几乎从不建议选择 Die Linke 或 BSW。

正文 · AI 翻译

查看 PDF

摘要:大型语言模型(LLM)可以为选民提供有关政治议题、政党立场的信息,甚至就投票给哪个政党给出建议。然而,此前尚无研究探讨现成的 LLM 作为投票建议应用(VAA)的表现如何。本文填补了这一空白,我们考察了 Gemini 3 Flash 如何仅依据 6,022 名德国受访者的政策偏好与优先事项,就投票给哪个政党向他们提供建议。简言之,我们发现,对大多数受访者而言,遵循 LLM 的建议会改善选民与政党之间的政策契合度(即一致性),且这种改善效应在政治兴趣和正规教育水平较低的选民中显著更强。然而,我们的分析也揭示了该 LLM 建议中令人担忧的偏见。例如,该 LLM 建议投票给 AfD 的频率约为标准显著性加权邻近模型的 1.5 倍。此外,该 LLM 几乎从不建议投票给 Die Linke 或 BSW。我们得出结论:尽管 LLM 可以近似 VAA 的行为,但用户应意识到,LLM 的建议仍存在极难追溯的偏见。
学科: 计算机与社会(cs.CY)
引用为: arXiv:2611.24684 [cs.CY]
  (或 arXiv:2611.24684v1 [cs.CY] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24684

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:William John Atkinson [查看邮箱]
[v1] 2026 年 11 月 18 日星期三 16:16:54 UTC(671 KB)

来源:arXiv cs.CY · arxiv.org