对话式学术论文推荐搜索引擎中的权威偏差

大语言模型（LLM）越来越多地用作学术文献的会话搜索引擎，但它们是否根据内容或权威信号来判断论文尚未经过因果检验。我们调查权威偏见：基于作者声望、地点和引用而不是内容对论文的系统偏好。保持标题和摘要不变，我们在上下文中、单轮、top-1 推荐设置中，在八个LLM（五个开放权重和三个前沿封闭权重）的三个反事实条件（原始、翻转、增强）中改变权威元数据。我们的实验表明，权威偏见是实质性的、有方向性的，不同模型之间存在显着差异，并且只能通过即时级别的去偏见来部分解决。我们进一步记录了一个说做差距：去偏见指令抑制权威提及的速度远远快于权威驱动的翻转，因此表面审计系统地低估了行为偏见。