测量 Claude 中的政治偏见
Anthropic 发布并开源了一套自动评估政治中立性的方法，用“配对提示”测试模型对同一政治议题的正反立场是否回应一致。
具体内容
Anthropic 发布并开源了一套自动评估政治中立性的方法，用“配对提示”测试模型对同一政治议题的正反立场是否回应一致。评估覆盖9类任务、150个话题、1350对提示，测试了 Claude Sonnet 4.5、Claude Opus 4.1 及 GPT-5、Gemini 2.5 Pro、Grok 4、Llama 4 Maverick。作者报告 Claude Opus 4.1 和 Sonnet 4.5 的中立性得分分别为95%和94%，并强调比较受模型配置差异影响。
- 采用配对提示法，从正反政治视角测试模型回应是否均衡。
- 评估覆盖1350对提示、9类任务和150个话题，并开源评分方法。
- 作者报告 Claude Opus 4.1 与 Sonnet 4.5 中立性得分分别为95%和94%。
依据官方原始发布记录整理；当时的推出范围和限制请以原文为准。
用户标记：未标记
固定编号：5a5a18ed25406632
原文来源