AI对齐能否改善数字民主中的选民代表性：LLM模拟选民的人口统计偏差研究

研究用三届美国总统选举数据，比较闭源与开源LLM在模拟选民投票时的人口统计偏差，并测试AI对齐策略能否在不损失整体准确率的前提下缩小群体差异。从选民画像中移除性别可使模型最大群体误差降低22-42%，移除教育程度可降低64%，而移除自报种族反而使平均群体误差上升超40%，且均未降低准确率。重复查询、公平性指令等常见对齐策略未能减小这些误差，甚至可能使其翻倍。