Mapping Geopolitical Bias in 11 Large Language Models

一、文章主要内容：
该研究系统性分析了11个主流大型语言模型（LLM）在中美关系七大敏感议题上的地缘政治偏见。通过双语（英语/中文）和双重框架（肯定/反向）的方法论，生成了19,712条测试提示。研究发现：

1. 模型立场与地域高度相关：美国模型普遍亲美，中国模型显著亲中
2. 语言和提示框架显著影响输出：部分模型在不同语言或框架下立场反转
3. 提出中立率、拒绝率等评估指标，发现中国模型在敏感议题上拒绝率更高
4. 揭示模型在多语言和框架下的一致性差异，为实际应用提供选择依据

二、创新点：

1. 首次采用双语（中英）和双重框架（肯定/反向）的系统性评估方法
2. 构建了包含7大敏感议题的标准化测试集（台湾、贸易、南海等）
3. 开发了量化评估指标（-2到+2的立场分数）和一致性度量体系
4. 发现语言框架对模型立场的影响大于语言本身，验证了prompt工程的实际效用
5. 提出模型选择的实用指南，强调在敏感领域需考虑地域偏见和响应稳定性

摘要

本研究通过分析11个主流大型语言模型（LLM）对中美关系七大关键议题的响应，系统评估了地缘政治偏见。采用双语（英语/中文）和双重框架（肯定/反向）方法，生成19,712条提示以检测模型输出的意识形态倾向。响应通过-2（强烈亲中）到+2（强烈亲美）的标准化量表进行量化，并根据立场、中立性和拒绝率进行分类。结果显示模型立场与地域显著相关：美国模型普遍亲美，中国模型表现出明显的亲中偏见。值得注意的是，语言和提示框架对模型响应有重大影响，多个模型在提示极性或语言环境变化时出