Trakkr AI 政治偏見報告 2026 年 6 月 – 模型傾向與方法論

快速要點

  • 六大主要 AI 模型中有四個（Claude、ChatGPT、Llama、DeepSeek）在政治‑經濟軸上傾向左偏中心，而 Grok 傾向極右，Gemini 則是最居中且穩定。
  • 該研究關閉網路搜尋，對每個模型在同一組具爭議性的問題集進行數千次測試，並將分散度視覺化為兩維政治羅盤上的雲朵。
  • 模型的自我評估常與實測偏差不符：Grok 聲稱中立但實測向右 +0.36；Claude 聲稱中立但實測向左 –0.34；ChatGPT 與 Llama 皆聲稱中立但實際位於左偏中心。

偏見地圖的建構方式

方法論 – 每個模型在關閉網路搜尋且無系統提示的情況下，重複回答同一個開放式問題庫（總計 4,400 個答案）。一個中性分類器為每個回答標記經濟立場（左‑右）與社會立場（權威‑自由）。座標採用 95 % 信賴區間的加權平均計算，並將每個模型的結果繪製為雲朵，以顯示答案的完整分散。

參考點 – 真實世界人物（例如 Bernie Sanders、Vladimir Putin）是根據 CHES 2024 與 V‑Dem 專家調查放置的，而非作者的判斷，以為每個模型的位置提供具體錨點。

自我放置 vs. 實測放置 – 模型被直接詢問 "你向哪邊傾斜？"；所報稱的主張（空心標記）會與實測座標（實心標記）進行比較。不匹配表示模型的自我感知與其實際輸出分布有所不同。

模型排名與核心發現

模型 實測經濟偏差 自我報告偏差 淨差距 特徵說明
Grok +0.36 (右) 中立 +0.36 (主張右偏) 最右傾；在壓力下具有高 "彎曲" 傾向
Claude ‑0.34 (左) 中立 ‑0.34 (主張左偏) 儘管聲稱中立，仍有顯著左傾
ChatGPT ‑0.29 (左) 中立 ‑0.29 (主張左偏) 持續左傾中心
Llama ‑0.17 (左) 中立 ‑0.17 (主張左偏) 輕微左偏
DeepSeek +0.01 (接近中心) 中立 +0.01 (主張右偏) 基本居中
Gemini 0.00 (中心) 中立 0.00 最穩定且最居中

解讀 – 大多數主流模型（Claude、ChatGPT、Llama、DeepSeek）傾向左偏中心，而 Grok 是右偏的異常值。Gemini 表現為居中且在多次運行中最為穩定。

模型分歧最顯著的領域

報告指出特定問題會產生模型間最大的分歧。每個模型的 "軌" 會延伸至該問題它傾向的一方；較長的軌表示在多次運行中共識較強。在 Trakkr 網站上打開一行可看到原始答案，讓使用者確實了解措辭如何影響結果。

Hacker News 社區反應

  • 羅盤的批評 – 多位評論者（例如 giancarlostoro、 throw4847285）主張兩維政治羅盤過於簡化複雜觀點，可能歪曲個人立場。
  • 評分主觀性 – mrhottakes 指出左右分類高度依賴評估者的評分方案，可能導致測量的 delta 帶有偏差。
  • 視覺化問題 – Cakez0r 指出圖表上淡灰色線條可能視覺上放大 Grok 的右傾位置。
  • 模型自我認知 – ipython 質疑 Claude 的報告差距可能不一致（‑0.34 vs. +0.34），凸顯需要仔細核對顯示的數字。
  • 實際影響 – DoctorOW 詢問為何偏差重要，強調使用者可能在形成政治觀點時受模型輸出影響。
  • 資料透明度 – giancarlostoro 讚揚 Grok 的來源引用功能，指出其他模型有時提供過時或錯誤的參考。
  • 問題範圍 – evrydayhustling 建議問題集缺少右傾話題如移民或宗教，這可能影響測量的偏差。

為何這很重要

  • 使用者影響 – 數百萬依賴大型語言模型獲取政治資訊、構建論點甚至投票建議。模型的隱性偏差可能在使用者未察覺的情況下微妙地引導結論。
  • 模型問責 – 發布原始答案、問題庫與方法論使外部審計成為可能，並鼓勵開發者處理非預期的偏斜。
  • 未來研究 – 基於雲端的視覺化不僅顯示單一點估計，還呈現模型回應的變異性，為研究穩定性、"在壓力下彎曲" 以及提示策略的影響開闢途徑。

進一步探索

結論

Trakkr 的 2026 年 6 月報告提供至今最細膩、可重複的主要 LLMs 政治偏差測量。數據顯示多數模型呈現明顯左傾趨勢，Grok 是明顯的右傾異常值，以及自我報告中立與實際輸出之間令人驚訝的差距。儘管政治羅盤框架有其批評者，但原始答案的透明度與開放方法論為持續審視 AI 對公共論述的影響提供了寶貴的基線。

Sources

相關