跳到主要内容
检索

# 内群体偏袒

1 篇关联报道

订阅更新
  1. arXiv

    给LLM智能体一个代价,群体偏袒就从标签转向历史:3.3百万次调用显示这是对已观察规范的从众

    研究让十五个OpenAI模型与三个Claude模型在任意标签的小型社会中玩十轮分点游戏,再以每次只改变一个条件的单次决策测试其群体偏袒。结果:无代价分配中裸标签带来6–9分偏袒,一旦可自留点数即降至约2分;此时历史成为主要来源,在13/15模型上为正、11个模型达3.5–8分并可迁移到陌生同标签者;脚本化历史下平等规范使偏袒归零、反规范使其反转,较强模型在个体记录与群体冲突时站在个体一边。

已读完全部报道