FrameBench-HPS 研究：同等概率下 LLM 建议受得失框架影响
原文标题：Same Probabilities, Different Advice: Gain-Loss Framing Effects in High-Stakes LLM Decision Support
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究构建 FrameBench-HPS，含 240 个高风险场景衍生的 2880 条提示，覆盖医疗、金融、教育职业与法律消费权益。七款 LLM 中，得失框架使 32.4% 的完整组推荐类别发生变化，多为不确定性表述而非直接反转。概率规范化可显著降低框架敏感性，为提升高风险决策一致性提供抓手。
- 问题
- 同一概率用收益或损失框架表述时，LLM 的高风险建议是否保持一致未知。
- 方法
- 构建 FrameBench-HPS，含 240 个高风险场景衍生的 2880 条提示，测试七款 LLM 的得失框架敏感性并验证概率规范化。
- 结果
- 32.4% 的完整组推荐类别因框架改变；概率规范化显著降低框架敏感性。
- 影响
- 医疗、金融等高风险场景的 LLM 决策支持需统一概率表述，规范化是可直接落地的提一致性手段。
深读 · 结论先行AI 生成展开看要点与影响 ↓
FrameBench-HPS 显示七款 LLM 中得失框架使 32.4% 的完整组推荐类别发生变化。
- •基准含 240 个高风险场景衍生的 2880 条提示，覆盖医疗、金融、教育职业与法律消费权益
- •七款 LLM 中得失框架改变 32.4% 完整组的推荐类别，多数变化涉及不确定性表述而非直接反转
- •人类评估确认感知风险与指令性相应偏移，框架效应在对话改写下仍存在且超过重复生成波动
- •概率规范化可显著降低框架敏感性
为什么重要：高风险场景下同一概率换个说法就换建议，概率规范化是可落地的缓解手段，对决策支持类产品部署方重要。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。