立场漂移：AI中介沟通如何扭曲我们的表达

arXiv:2610.04620v1 公告类型：新发布 摘要：大语言模型（LLM）正日益介入人际沟通——从起草邮件到总结科学报告——但它们能否忠实保留说话者的立场，在很大程度上仍未经过检验。我们将 AI 中介的沟通建模为一个"生成—抽取"两步流水线：由一个 LLM 根据指定立场生成一段论证，再由第二个 LLM 从该论证中抽取出立场。我们将该流水线表示为在五个 Likert 式立场类别上的概率状态转移，并将立场保留率（SPR）定义为抽取出的立场与初始立场相匹配的平均概率。在 112 个辩论命题上，所测试的九个 LLM 在默认配置下无一 SPR 超过 0.7。漂移主要由三种模式构成：极化、偏离中立以及立场翻转。在测试的多种缓解策略中——包括 in-context learning、选项打乱后的多次抽取、断言（assertion）和反思（reflection）——仅在为 GPT-5.4 的反思提示加入中等强度推理（medium reasoning effort）显著提升了 SPR，达到 0.775；但极化仍是最大的漂移模式，占转移概率质量的 0.119。一项在单个命题上进行的探索性人机对比表明，漂移在生成和抽取两个阶段都会出现。这些结果揭示了 AI 中介沟通中的保真度缺口，对新闻、政策审议、科学传播以及其他观点性信息经由语言模型传递的领域具有重要启示。