关于LLM对于政治立场敏感话题的偏见、误解以及主观评价等问题的分析与讨论

大型语言模型（LLM）已作为模拟人类社会互动的重要工具，尤其在政治辩论等敏感议题的研究中展现出独特价值。然而，其对政治立场的表征常受训练数据偏见影响，导致模拟结果与真实社会动态存在偏差。本文聚焦 LLM 在政治立场敏感话题中的偏见、误解及主观评价问题，通过设计结构化多智能体辩论实验，系统分析共和党、民主党及中立智能体在环境政策、枪支管控、非法移民等争议议题中的态度变化轨迹。