研究显示，被要求二选一时 Grok 倾向共和党，OpenAI 倾向民主党

TechCrunch AI 报道的一项新研究发现，在被要求于选举对阵中做出选择时，Grok 的 AI 模型压倒性地推荐共和党候选人，而 OpenAI 的 GPT 则偏向民主党候选人；在近 500 场选举对阵中，这两个模型在超过 90% 的情况下给出了不同选择。

此前对模型政治倾向的讨论多停留在零散示例或主观观察，这次以近 500 场选举对阵为样本进行对比，把差异量化为可比较的结果；同一问题下两个主流模型在九成以上对阵中判断相反，说明模型输出差异已不只是个别案例。

证据只给出模型选择结果和差异比例，未说明测试提示方式、候选人对阵的选取标准、模型版本与采样参数，也未说明差异来自训练数据、对齐策略还是推理过程，因此不能确认具体机制。

若产品涉及选举信息、投票辅助或政治内容问答，同一问题在不同模型上可能给出相反推荐；依赖单一模型输出会放大偏差，需要在模型选型、提示设计和输出审核上考虑政治倾向一致性风险。

• 在选举或政治问答类产品中，对不同模型输出做对比标注，向用户展示分歧而非单一结论。
• 建立针对政治倾向的模型评测集，按选举对阵批量测试并记录各模型选择分布。
• 为内容审核流程增加模型间分歧检测，把两模型判断不一致的案例转入人工复核。

• 研究的具体提示词和提问方式是什么，是否要求模型强制二选一？
• 近 500 场选举对阵如何选取，是否覆盖不同层级和地区？
• 测试使用的是哪些具体模型版本和参数设置？
• 研究是否分析差异来源，如训练数据或对齐策略？