评估大语言模型生成的偏好分布

研究团队系统评估了大语言模型在航空旅行、餐饮和消费品领域的偏好分布生成能力，发现模型虽具备高度自一致性，但在不同模型族与尺寸间存在显著分歧。该现象在 9 个开源模型和多种扰动测试中均成立，表明生成结果受模型选型的影响远大于提示词措辞，挑战了用大语言模型替代问卷受访者的通用假设。