🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
越来越多人在网上政治争论里直接叫大模型来评理、帮腔或者反驳对方。在社交平台上，用户会点名让 AI 去核查争议说法、调解争吵，甚至让它站队；也有人用 AI 帮忙改写自己的政治论点。模型不再只是被提问的对象，而成了辩论桌上的第三方。
问题在于，同一个观点，由不同的人说出来，模型会不会给出不同反应。过去的研究大多让模型做政治立场问卷，或者只看它会不会迎合单一用户的压力，很少把说话者的政治倾向、专业程度、修辞风格、是否有人对垒放在同一场多轮辩论里考察。作者想看的正是这种“对话中的差别对待”。
② 研究问题（要回答什么？）
这篇论文要问的是，同一个政治观点，换一个说话的人，模型会不会区别对待。具体拆成三问：第一，用户的政治倾向会不会影响模型的接受度，把所站立场固定住以后这种差别还在不在；第二，除了政治倾向，用户显得专业不专业、爱讲道理还是爱煽情，会不会也改变模型的反应；第三，来回谈上几个回合、或者同场出现两个立场相反的说话者，这种接受度会怎么变。
作者还追问一层：如果差别存在，它是不是模型天生固定的性格，还是可以通过更换训练材料来改变。这决定了我们该把它当成模型缺陷，还是当成训练数据留下的印记。
③ 研究方法（怎么做的？）
研究者没有只发问卷，而是把真实发生过的网络辩论搬进模型。他们从 Debate.org 取来五千三百七十六场政治或经济辩论，涉及两千五百零五名用户、七千零七十五段用户级对话和两万一千七百四十二句话。原来的对手被替换成待测模型，真人说的话尽量原样保留，只做最低限度的改写，让它像是在对模型说话。
光有真实辩论还不够，因为真实用户的属性往往缠在一起。作者又用政治罗盘测验的六十二个命题做受控实验，让模拟用户分别带上极左、左、中、右、极右五种政治倾向，再交叉低、中、高三种专业程度，以及情感诉求、讲道理、反问三种修辞。实验分两种模式：一种让用户按自己的人设自由选边，另一种强行把政治倾向和所站立场拆开，让左倾用户也能替保守立场辩护。
受测模型有四个，来自两个模型家族、两种规模和两代产品。每一轮回答都被标注为挑战、限定、接受或放大，接受和放大合称“采纳”。作者还用逻辑回归控制初始立场距离等因素，报告平均边际效应。整套设计约十五万场受控对话、两百多万条模型发言。
④ 结果（发现了什么？）
真实辩论给出的第一幅图景是：模型对左倾用户的接受度明显更高，而且越到后面差距越大。到第五轮，左倾用户的相对采纳率是全场平均的一点九五倍，极左一点八七倍，中间一点四一倍，右倾零点七八倍，极右只有零点一七倍；绝对采纳率分别是三成九、三成七、两成八、一成五和三出头。作为对比，专业程度带来的差距小一些，修辞风格更小。
受控实验把差距放大了。在让人设自由选边的模式里，左倾用户第五轮的采纳率从四成八升到八成二，极右只从不到一成升到一成九。把立场固定住以后，政治倾向仍然起作用：同样是支持进步议题，左倾用户拿到八成，极右用户只有四成六；同样是支持保守议题，左倾用户还有三成七，极右只剩一成。
作者还试了两件事。一是让两个立场相反的用户同场辩论，模型选左倾一方的比例仍明显高于选右倾一方，而且它选的人和真人评委选出的赢家只有弱相关。二是换政治语料做微调，用 Grokipedia 语料训练后，原本偏左的接受度顺序被抹平甚至反转。
⑤ 讨论（这些发现说明什么？）
这些结果说明，模型并不是简单地在讨好当前说话的人。如果只是谁在说话就顺着谁，那么两个对立用户同时出现时，偏向应该被抵消；但实验里没有。它也不是单纯跟立场走：把所站立场固定以后，左右说话者的待遇仍然不同。作者认为，这更像是模型在长期训练中形成的一套“谁的话更值得接受”的隐含标准，政治倾向只是这套标准最明显的入口。
专业程度的作用也不小。显得专业的人更容易被采纳，显得外行的人会被压低，这和现实中的来源可信度判断很像。修辞的作用则相对有限，讲情感、讲道理、反问之间差别不大，说明模型对“怎么讲”不如对“谁在讲”敏感。
⑥ 结论（最终结论 + 启示）
结论可以概括成一句话：模型对左右说话者的接受度差别真实存在，但并非不可改变。真实辩论、受控实验、单对手、双对手、多轮重复、不同议题、不同模型、不同结果定义，这些条件下方向基本一致；可是只要换一批政治训练语料，偏向就能被大幅削弱甚至翻转。
这对平台和监管的含义是，不能只检查模型在政治问卷上说了什么，还要检查它在真实对话里如何对待不同说话者。对普通用户来说，同一个观点从不同人嘴里说出来得到不同待遇，本身就是一种不易察觉的偏向。作者也提醒，研究只覆盖几个开源模型，不能直接推到所有商用系统，更不能把 Grokipedia 微调的结果当成 Grok 本身的行为。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
大语言模型正从被动答题器变成在线政治讨论的参与者。在 X 上，用户频繁点名 Grok 核查争议说法、调解争执、介入极化话题；一项针对 41,735 条互动的研究发现，Grok 除提供信息外，还扮演真相仲裁者、辩护者和对手等角色。另一条线是用户用 AI 辅助撰写或润色政治论证，使模型输出直接进入公共辩论。
既有研究分成两支。一支用政治罗盘测验等问卷审计模型的政治倾向，普遍发现左翼自由派倾斜，但测量对措辞敏感，且把模型当成孤立答题者。另一支研究奉承偏差，发现模型会迎合用户明示的信念、在持续压力下让步，甚至仅靠人设提示就能移动立场。然而这些研究通常只给单一说话者、明示用户意识形态，也较少同时处理说话者的专业程度、修辞策略、重复互动与竞争性对手。本文把 LLM 当作辩论参与者，提出三组问题：用户政治倾向如何塑造接受度、固定所站立场后是否仍存在不对称；专业程度与修辞风格各自贡献多少；重复互动与双用户结构如何改变这一格局。
I. Theoretical Framework & Hypotheses（理论框架与假设）
理论资源来自政治说服的三要素传统：说话者、讯息、受众。来源可信度能让相同内容更易被接受（Hovland and Weiss 1951），受众有时精细加工、有时依赖专业身份等启发式线索（Chaiken 1980）。在线辩论研究进一步表明，说服结果取决于时机、语言适配与对话结构（Tan et al. 2016），Debate.org 上用户自报的政治与宗教信念能预测说服力，且部分辩手长期更具说服力（Durmus and Cardie 2018）。
LLM 研究则提供另一侧证据：模型在政治罗盘类测评上偏左翼自由派（Santurkar et al. 2023; Bang et al. 2024），并对用户信念表现出奉承，持续辩论压力会放大让步（Kaur 2025; Hong et al. 2025），近期“意识形态迎合”研究发现模型在多数对话中按推断的用户意识形态调整同意度与信心（Bisbee et al. 2026）。本文把这两条线接起来：如果接受度同时受说话者意识形态、专业线索、修辞与对话结构影响，那么单轮奉承实验会高估或低估真实环境中的不对称。
| 编号 | 研究问题 | 理论预期与依据 | 检验设计 | 主要发现 |
|---|---|---|---|---|
| RQ1 | 政治倾向是否塑造接受度，固定立场后是否仍存在 | 来源可信度与意识形态迎合：左倾说话者更易被采纳 | Debate.org 重建 + Argument mode 交叉立场 | 成立；固定立场后左仍比右高 13.6 pp |
| RQ2 | 专业程度与修辞风格的作用 | 启发式线索中专业身份强、修辞形式弱 | 3 水平专业 × 3 类修辞全交叉 | 专业显著（低专业约 −6 至 −9 pp），修辞较小 |
| RQ3 | 重复互动与竞争性对手 | 持续压力抬高采纳，但未必消除排序 | 五轮轨迹 + 双用户同场 | 采纳逐轮上升，政治排序保留 |
M. Materials & Methods（材料与方法）
- 自然数据与重构：Debate.org（Durmus and Cardie 2018），保留 Politics/Economics、至少三轮实质发言的辩论，剔除弃权与非论证内容；最终 5,376 场辩论、2,505 名用户、7,075 段用户级对话、21,742 条实质消息。单用户条件保留首条消息原文，后续仅做最低限度再语境化（人工核验 93% 保留原立场与论证）；双用户条件 5,097 场、22,560 条模型生成消息。
- 受控设计：62 个政治罗盘测验（PCT）命题；Persona 模式 44,640 场（用户按人设自行选边），Argument 模式 89,280 场（每种政治倾向 × 进步/保守目标各 3 条支持、3 条反对论证，人工核查立场与人设一致性），双用户 Argument 模式 14,880 场（10 个无序倾向对 × 2 种立场分配 × 4 次平衡重复 × 62 命题 × 3 个模型生态）。基础设计合计 267,097 场模拟对话、约 240 万条模型生成消息。
- 操纵维度：政治倾向 5 水平（极左、左、中、右、极右），依据价值优先结构（Piurko et al. 2011; Braithwaite 1994）实例化；专业程度 3 水平（低、中、专家）；修辞 3 类（Pathos 情感诉求、Logos 事实推理、Socratic 反问）。
- 模型与标注：Subject 为 Qwen3-8B、Qwen3-32B、Qwen2.5-32B-Instruct、Llama-3-70B-Instruct，单用户受控实验构成 4×4 Subject–User 设计，双用户实验同家族配对；标注由 Qwen3.6-35B-A3B、Qwen3-32B、Llama-3-70B-Instruct、Aya-Expanse-32B 多数票聚合，排除自评，无严格多数时采用与人工一致性最高的 Qwen3.6-35B-A3B；GPT-5.6 Sol 仅用于生成 Argument 论证集。
- 结果与统计：采纳（Accepts + Amplifies）、转化（初始反对者最终转向）、转入采纳三个二分结果，另报相对采纳率（组采纳率 / 条件均值）。二元逻辑回归控制基线立场距离、政治倾向、专业、修辞、用户立场、模型运行固定效应、目标立场与末轮；报告平均边际效应（pp）、95% CI、按源辩论或 PCT 命题聚类的稳健标准误。
- 验证：100 条人工标注中，四类关系 macro-F1=87.4、二分采纳 93.5、命题立场 91.2；100 场完整对话 94% 五轮连贯；操纵检查回收率：政治倾向 92%、立场 96%、修辞 90%、专业 89%。
- 训练语料干预：Wikipedia 与 Grokipedia 对齐政治条目 52,304 篇；相同 4-bit QLoRA（NF4 双量化、bf16、r=16、α=32、dropout 0.05、1 epoch、序列 4,096、batch 1、梯度累积 16、lr 1e-4、cosine、paged_adamw_8bit）；Qwen3-32B 训练 41,920 序列（约 171.7M tokens、2,620 步），Qwen3-8B 40,184 序列（约 164.6M tokens、2,512 步）。
R. Results（结果）
自然辩论呈现清晰的政治梯度。末轮绝对采纳率：左 39.0%、极左 37.3%、中 28.1%、右 15.5%、极右 3.3%；相对采纳率分别为 1.95、1.87、1.41、0.78、0.17。最终回应中 62.8% 为挑战、15.8% 限定、20.7% 接受、0.7% 放大；放大在左倾组约为右倾组的 1.85 倍。专业程度亦显著：Expert 末轮相对采纳 2.76、Moderate 1.66、Low 1.18（Expert 末轮样本稀疏）。修辞差异较小：Pathos 1.47、Logos 1.39、Socratic 0.88。调整后左比右高 7.6 pp（95% CI [6.1, 9.2]，p<.001），比极右高 12.6 pp（[9.0, 16.2]，p<.001）；低专业比 Expert 低 6.1 pp（p=.004）；修辞对比不显著。左比右的转化高约 4.8 pp、转入采纳高 4.2 pp。
| 设定 | 预测项（相对参照组） | 采纳 AME（pp） | 95% CI | p |
|---|---|---|---|---|
| Debate.org | 左 vs 中 | +3.7 | [2.0, 5.3] | <.001 |
| Debate.org | 右 vs 中 | −4.0 | [−5.7, −2.2] | <.001 |
| Debate.org | 极右 vs 中 | −8.9 | [−12.7, −5.2] | <.001 |
| Persona | 左 vs 中 | +16.8 | [14.7, 18.8] | <.001 |
| Persona | 右 vs 中 | −19.7 | [−22.4, −17.1] | <.001 |
| Persona | 极右 vs 中 | −37.4 | [−41.2, −33.7] | <.001 |
| Argument | 左 vs 中 | +5.5 | [4.2, 6.8] | <.001 |
| Argument | 右 vs 中 | −8.2 | [−9.6, −6.7] | <.001 |
| Argument | 极右 vs 中 | −22.0 | [−24.5, −19.4] | <.001 |
| Argument | 进步 vs 保守目标 | +29.4 | [23.3, 35.5] | <.001 |
双用户重建（5,097 场）中梯度未消失：模型选左倾参与者 61.27%、极左 52.19%，右 32.65%、极右 24.54%；Expert 被偏好 61.1%、Moderate 57.2%、Low 40.9%。模型偏好与真人赢家仅弱相关：真人赢家同时被模型偏好 56.9%（n=4,149），说明人类说服力与模型接受度相关但不同。
受控 Persona 模式：左 1.13→1.92（48.2%→81.9%），极左 1.66（70.9%），中 1.49（63.8%），右 0.88（37.4%），极右 0.44（18.6%）；末轮 39.2% 接受、15.3% 放大；专业 1.34/1.28/1.21，修辞 1.38/1.23/1.22。调整后左比右 +36.5 pp（[33.0, 40.0]），比极右 +54.2 pp（[50.3, 58.1]），均 p<.001；26 个有效倾向—专业单元与 Debate.org 的末轮采纳相关 r=.94。Argument 模式：进步目标 1.88（68.4%）对保守 0.73（26.7%）；进步目标下左 2.20（80.1%）、中 2.05（75.0%）、极右 1.26（45.9%）；保守目标下左 1.01（37.0%）、极右 0.30（10.8%）；左比右 +13.6 pp（[11.6, 15.7]），比极右 +27.5 pp（[24.5, 30.5]）；低专业比 Expert −9.1 pp（p<.001）；转化 +9.4 pp、转入采纳 +14.3 pp。
四个 Subject（Llama-3-70B、Qwen3-32B、Qwen3-8B、Qwen2.5-32B）方向一致，幅度随模型变化。训练语料干预显示梯度可塑：Qwen3-8B 的左−右差由 base +16.2、Wikipedia +13.1 变为 Grokipedia −1.2（p=.273），Grokipedia−Wikipedia 变化 −14.4 pp（[−16.9, −11.9]）；Qwen3-32B 由 +14.3/+8.6 降至 +0.1（p=.843），变化 −8.5 pp（[−10.8, −6.2]）；wild-cluster bootstrap p=.001。
| 模型 | 对比 | 差值（pp） | 95% CI | p |
|---|---|---|---|---|
| Qwen3-8B | 左−右（Base） | +16.2 | [13.3, 19.2] | <.001 |
| Qwen3-8B | 左−右（Wikipedia） | +13.1 | [10.9, 15.3] | <.001 |
| Qwen3-8B | 左−右（Grokipedia） | −1.2 | [−3.5, 1.0] | .273 |
| Qwen3-8B | Grokipedia−Wikipedia | −14.4 | [−16.9, −11.9] | <.001 |
| Qwen3-32B | 左−右（Base） | +14.3 | [11.8, 16.7] | <.001 |
| Qwen3-32B | 左−右（Wikipedia） | +8.6 | [6.6, 10.7] | <.001 |
| Qwen3-32B | 左−右（Grokipedia） | +0.1 | [−0.9, 1.2] | .843 |
| Qwen3-32B | Grokipedia−Wikipedia | −8.5 | [−10.8, −6.2] | <.001 |
稳健性：50 个当代政策命题、Qwen3-32B、4,500 场五轮对话复现同一方向，采纳率极左 40.8%、左 35.0%、中 19.0%、右 19.2%、极右 8.8%；OR 极左 3.62、左 2.67、极右 0.38（p=.001）。加入消息长度控制后左−右差基本不变（Debate.org 7.6 对 7.5，Persona 36.5 对 36.5，Argument 13.7 对 13.6）；长度本身在 Debate.org 与采纳负相关（OR=0.855，[0.809, 0.903]），Persona 较弱（OR=0.951，p=.044），Argument 不显著（OR=0.968，p=.135）。
a / D. Discussion & Conclusion（讨论与结论）
核心贡献是把“LLM 政治偏向”从静态问卷推进到多轮互动中的差别对待，并用三重设计把竞争解释逐一排除。第一，固定所站立场后不对称仍在（Argument mode 左−右 +13.6 pp），说明不只是模型同意进步立场；第二，双用户同场时排序不消失，说明不只是顺着当前说话者；第三，同一架构换政治语料即可抹平或反转（Qwen3-8B −14.4 pp），说明这不是固定性格，而是训练分布的产物。
理论上，这要求把来源可信度、启发式加工与奉承研究合并到“说话者—讯息—受众—结构”的统一框架中。实践上，平台审计不能只看模型在政治问卷上的得分，还要看它对不同身份说话者的逐轮接受率；仅调整提示词或输出层去偏，可能触及不到由训练语料塑造的隐含评价标准。
局限包括：只覆盖 Qwen 与 Llama 系列，未测商用闭源系统，Grokipedia 微调不等于复现 Grok；大规模实验依赖 LLM 标注，虽经人工验证但与人类判断仍有差距；受控对话以实验控制换取了部分现实性；Debate.org 属性高度不平衡（左 42.1%、右 28.5%、极右 2.7%；Expert 消息 3.1%、Socratic 2.5%、Logos 88.9%；45 种组合仅 35 种出现，12 种少于 30 条；仅 362 段对话有五轮实质发言）。未来可扩展到闭源模型、多语言与多政治体制。
🧠 IRMaD 思维导图
mindmap
root((用户属性与政治辩论接受度))
I 引言
模型进入政治争论
Grok 充当仲裁者
静态问卷审计不足
单说话者奉承研究
R 问题
政治倾向是否影响
固定立场还差多少
专业与修辞作用
重复与双对手
M 方法
五千三百七十六场真实辩论
六十二个政治命题
五种政治倾向
三种专业三种修辞
四个开源模型
逻辑回归平均边际效应
R 结果
左倾接受度更高
真实辩论差七个多点
人设模式差三十六点
固定立场仍差十三点
专家身份加分
修辞差别较小
跨模型方向一致
a 讨论
不是讨好当前者
不是单纯跟随立场
训练形成隐含标准
微调可抹平或反转
D 结论
不对称真实存在
并非不可改变
审计对话行为
关注训练语料
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。