FrameBench-HPS：高风险评估中 LLM 建议的收益-损失框架效应研究
Same Probabilities, Different Advice: Gain-Loss Framing Effects in High-Stakes LLM Decision Support
AI 导读
研究者提出 FrameBench-HPS 基准，用 240 个医疗、金融、教育/职业和法律/消费者权益领域高风险场景生成的 2,880 条提示词，测试七种 LLM 在相同概率以收益或损失框架表述时的建议一致性。结果显示 32.4% 的完整组中框架效应改变了推荐类别，且在对话式改写下依然存在。概率规范化能显著降低框架敏感性，是提升高风险评估一致性的可行方向。
来源：arXiv cs.AI · arxiv.org