#可操纵性

研究揭示 LLM 主观偏好存在可复现规律且易被提问方式操纵

论文聚焦数字、婴儿名与虚构城市三类短内容，识别出 29 个句法与语义维度，考察模型在多个可行答案间如何选择。研究发现模型对部分维度有强烈且可复现的偏好，提问方式的细微变化会激活或关闭某些维度，甚至大幅改变偏好分布，引发操纵风险。若模型同时生成候选并排序，两阶段间还存在意外交互。