arXiv · cs.AI · Jonghyeon Choi, Yeonjun Choi, Beakcheol Jang · 10 小时前模型评分52
研究用 722 份联合国安理会记录和五项测试量化大语言模型的国家倾向
Multi-Test Nation Bias Benchmarking of LLMs with Explicit Unbiased Baselines
导读
研究团队用 722 份联合国安全理事会（UNSC，United Nations Security Council）官方记录，对 GPT-4o-mini、Llama 3.3-70B、Mistral-22B-Small 和 Qwen3-30B 四款大语言模型（LLM，Large Language Model）做国家倾向评测，并首次为每项测试明确设定无偏基准。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：政务与公共事务
事件类型：研究发布
证据摘录
- “Using an expanded corpus of 722 official UN Security Council (UNSC) records, we measure nation-level bias with five complementary tests”
来源：arXiv · cs.AI · arxiv.org