arXiv 研究：LLM 智能体的群体偏袒源于观察到的规范而非标签本身

一项 arXiv 研究测试了 15 个 OpenAI 模型和 3 个 Claude 模型，在约 4,400 个虚拟社会、330 万次模型调用中观察群体偏袒行为。结果显示，当分配点数没有代价时才会出现明显的群体标签效应；一旦智能体可以保留点数，该效应在所有模型上消失。在有利害冲突时，交互历史成为偏袒的主要来源，13/15 个模型上历史效应显著，11 个模型上达到 3.5-8 分（满分 10 分）。当智能体所属群体被设定为偏袒对方时，偏袒会反转；较强模型会更看重个人记录而非群体标签。