推薦偏差

深度分析

從人格提示到「熱門度偏差」：LLM 在學者推薦中的影響與治理要點

研究檢視大型語言模型在學者推薦的「人格提示」效應。作者系統化變動提問中的請求者身分與內容，在六個學科與四十三種模型上比對技術品質與社會代表性。結果顯示模型本身決定回應有效性，而請求內容如名單長度與領域影響事實性；地理位置這類人格提示則顯著改變被推薦者的族群構成，進一步影響學術可見性與資源分配。