通过建立新的数据集并使用九个大语言模型，本研究研究了人工撰写文章和机器生成文章之间的性质变化以及政治偏见的检测，结果显示基准模型和经过调整的模型之间存在显著差异，并且大语言模型在分类器角色中也显示出政治偏见，为进一步研究大语言模型政治偏见及其影响提供了一个基础。

Jun, 2024

利用新闻媒体进行数据分析，我们形成了一个包含十个类别的人工智能影响分类法，并通过评估模型发现，细调的模型与新闻媒体所识别的负面影响分类几乎一致，而指令型模型则在某些类别的影响生成上存在差距。这项研究凸显了当用于预测影响时，最先进的 LLMs 存在潜在偏见，并展示了将较小的 LLMs 与新闻媒体所反映的多样化影响进行调整以更好地反映这些影响的优势。

Jan, 2024

探索人类如何最好地利用 LLMs 进行写作，以及与这些模型交互对写作过程中的所有权感和信任感的影响，我们比较了在 LLM 辅助的新闻标题生成背景下的常见人工智能与人类交互类型（例如，引导系统、从系统输出中选择、后编辑输出）。虽然 LLMs 单独可以生成令人满意的新闻标题，但平均而言，需要人类对不符合要求的模型输出进行修正。在交互方法中，引导和选择模型输出带来了最大的利益，成本最低（时间和精力）。此外，与自由编辑相比，人工智能辅助对参与者对控制感的认知没有造成伤害。

Oct, 2023

调查了七种代表性大型语言模型生成的 AI 生成内容的性别和种族偏见，研究发现每个语言模型生成的内容存在明显的性别和种族偏见，其中 ChatGPT 生成的内容偏见最低且能够拒绝产生带有偏见的内容。

Sep, 2023

利用大型语言模型（LLMs），本文研究了识别误导性与非误导性新闻标题的效果。研究发现模型性能存在显著差异，ChatGPT-4 在一致标注者就误导性标题达成一致意见的情况下表现出更准确的结果。文章强调了人本评估在开发 LLMs 中的重要性，旨在将技术能力与细腻的人类判断力相结合。研究结果对 AI 伦理问题具有借鉴意义，强调了在技术先进的同时，还需要考虑伦理道德和人类解读的微妙性。

May, 2024

大型语言模型的应用在学术写作中引发了兴奋和担忧。本研究调查了学者是否认为在学术论文准备过程中报告人工智能的使用是必要的，以及检测器如何对学术写作中的人工智能使用做出反应。

Nov, 2023

在 Mastodon 社交媒体平台上，我们使用了 “LLMs Among Us” 实验框架构建了 10 个角色来研究大型语言模型的潜力和威胁，发现参与者只有 42% 的准确率能识别出其他用户的真实性。此外，我们还发现角色的选择对于人的感知影响比主流大型语言模型的选择更大。

Feb, 2024

本文研究了大型语言模型时代中的假新闻检测问题，发现仅训练于人工编写文章的检测器在检测机器生成的假新闻方面表现良好，但反之不成立。此外，由于检测器对机器生成的文本存在偏见，需要在训练集中使用比测试集中较低比例的机器生成新闻。基于我们的发现，我们提供了一个实用的策略来开发健壮的假新闻检测器。

Nov, 2023

报纸定位存在明显差异问题，需加强 LLM 评估，改进算法以填补该民主国家敏感问题的重大空白，并促进社区参与。

May, 2024

本研究探讨新闻编辑中的去偏见化问题，并评估了对话式大型语言模型在此任务中的有效性。我们设计了一份适用于新闻编辑的评估清单，使用公开可得的媒体偏见数据集的子集获取了三种流行的对话式模型生成的文字，并按照设计的清单对这些文字进行了评估。此外，我们还将这些模型作为评估者，用于检查去偏见模型输出的质量。我们的研究结果表明，没有一个对话式大型语言模型能够完美地进行去偏见化。值得注意的是，一些模型，包括 ChatGPT，引入了不必要的修改，可能会影响作者的风格并产生错误信息。最后，我们还表明这些模型在评估去偏见输出的质量方面不如领域专家表现出色。

Apr, 2024