arXiv · 评测
研究揭示 LLM 地缘政治偏见主要来自后训练阶段
一项新研究挑战了“大模型地缘政治偏见主要源于预训练数据”的普遍假设。研究者测试了来自七家实验室的七对开源权重模型，每对包含基础模型与聊天模型，发现偏见更多是在后训练阶段被引入，且提示词的语言会进一步放大这种倾向。该发现对模型对齐与安全评估有直接参考价值。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-22
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
It has generally been assumed that geopolitical bias in language models originates from the training data used during the pre-training phase. We tested seven open-weight LLM pairs consisting of the base model (pre-training only) and the chat model (pre-training and post-training) from seven labs on…