论文
利用议会投票记录揭示大语言模型的政治偏见
Uncovering Political Bias in Large Language Models using Parliamentary Voting Records
摘要
随着大语言模型（LLM）深度嵌入数字平台与决策系统，对其政治偏见的担忧不断增长。虽然性别、种族等社会偏见已获大量研究，政治偏见的系统研究仍然有限，尽管其具有直接的社会影响。本文提出一种构建政治偏见基准的通用方法：将模型生成的投票预测与经核实的议会投票记录对齐。我们在三个国家级案例中实例化该方法：PoliBiasNL（荷兰15个政党2,701项动议与投票）、PoliBiasNO（挪威9个政党10,584项动议与投票）与PoliBiasES（西班牙10个政党2,480项动议与投票）。在这些基准上，我们评估LLM行为中的意识形态倾向与政治实体偏见。作为评估框架的一部分，我们还提出一种方法，通过把基于投票的立场关联到CHES（Chapel Hill Expert Survey）维度，在共享的二维CHES空间中可视化LLM与政党的意识形态，实现模型与真实政治行为者之间直接、可解释的比较。实验揭示细粒度的意识形态区分：最先进LLM持续显示左倾或中间倾向，并对右翼保守政党存在明显负偏见。这些发现凸显了扎根于真实议会行为的透明、跨国评估对理解与审计现代LLM政治偏见的价值。
