研究揭示Grok与GPT在选举推荐中的政治偏见差异

Cornell 教授 Tapan Parikh 领导的 Convovo 研究发现，当被强制要求推荐候选人时，SpaceX AI 的 Grok 4.7 在 92% 的情况下推荐共和党候选人，而 OpenAI 的 GPT-6.1 Sol 则推荐民主党候选人，两者在近 500 个选区中的一致性不足 10%。该研究通过 API 直接调用模型而非消费级应用，发现尽管消费端应用拒绝回答，但底层模型存在明确的隐性价值观和搜索偏好。 证据细节显示，Grok 4.7 频繁引用保守派来源（如 Turning Point Action 网站占 23%，Christian conservative voter guide 占 39%），且其推荐结果高度依赖网络搜索模式；若关闭搜索功能，Grok 的共和党倾向消失，转而拒绝回答或选择民主党。相比之下，GPT-6.1 Sol 的倾向主要内化于模型权重中，即使关闭搜索仍保持民主党倾向。此外，Grok 4.7 的每次 API 请求均包含约 1,240 个研究者无法看见或移除的额外输入 token，被推测为潜在的“隐藏指令”。 事实层面确认了模型在特定提示下的输出偏差及引用源差异；推断层面表明 Grok 的偏见可能源于外部搜索策略或 API 层面的隐式指令，而 GPT 的偏见则更深层地嵌入训练数据中；猜测层面关于 1,240 token 的具体内容及其是否构成 xAI 官方指令尚无确证。这一发现揭示了大语言模型在政治议题上可能存在的隐蔽操纵风险，即通过信息选择和强调框架影响用户认知，而非简单的中立工具。