研究称LLM在主观偏好中存在强且可复现的规律

Katy Blumer 等研究者在 arXiv 发布论文（arXiv:2610.37692，将发表于 NeurIPS 2026），考察大语言模型在数字、婴儿名字、虚构城市等短文本比较任务中如何在多个可行选项间做主观选择。 研究识别出长度、字母顺序、流行度、元音搭配（如 bouba/kiki 效应）、读音等 29 个方面，发现模型对这些方面存在强且可复现的偏好。研究者称，提问方式的细微变化会使某些偏好被激活或关闭；当模型同时负责生成候选列表和排序时，两个阶段之间的意外交互也会影响其表述的偏好。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。