研究：LLM模拟选民的人口统计偏差与对齐策略

2026年10月26日，arXiv Artificial Intelligence刊出Yi Qi等作者的研究，考察LLM模拟选民时的人口统计偏差，并测试AI对齐策略能否在不牺牲整体准确率的前提下缩小群体间差异。研究使用三届美国总统选举数据，比较闭源与开源LLM模拟选民投票的表现。结果显示，从选民画像中移除性别，可使模型最大群体误差降低22%至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过40%，上述调整均未降低准确率。研究同时测试重复查询、公平性指令等常见对齐策略，发现这些策略未能减小误差，甚至可能使误差翻倍。研究据此讨论AI对齐能否改善数字民主中的选民代表性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。