Incivility and Rigidity: Evaluating the Risks of Fine-Tuning LLMs for Political Argumentation
Centre for Trusted Internet & Community, National University of Singapore(新加坡国立大学可信互联网与社区中心)
本文评估微调GPT-3.5 Turbo进行政治论证的风险,发现基于Reddit数据微调的模型更安全但修辞僵化,跨平台微调会放大毒性,提示策略能降低毒性但无法消除噪声数据影响,并提出了修辞评估准则。
2025-11-01 cs.AI cs.CL
Automatic Paper Reviewing with Heterogeneous Graph Reasoning over LLM-Simulated Reviewer-Author Debates
ReViewGraph通过异构图推理分析LLM模拟的评审者-作者辩论,提升论文评审的准确性和细致程度。
2026-03-10 cs.CL
How good is GPT at writing political speeches for the White House?
University of Neuchatel(纳沙泰尔大学)
本研究通过将GPT-3.5和GPT-4.o生成的演讲与里根至拜登的国情咨文对比,分析GPT的政治演讲写作风格,发现其过度使用“we”、句子更长且偏好政治与抽象术语,即使施加特定风格仍与真实总统演讲差异显著。
2024-12-19 cs.AI cs.CL
Political Ideology Shifts in Large Language Models
The University of Queensland(昆士兰大学);University of Udine(乌迪内大学)
本研究以政治指南针测试为探针,发现大语言模型的意识形态可塑性随规模变化,显式启动会引发不同程度的意识形态转变,凸显评估其政治属性时需考虑交互因素。
2026-09-01 cs.CL
Measuring Algorithmic Partisanship via Zero-Shot Classification and Its Implications on Political Discourse
Troy High School(特洛伊高中)
本研究采用零样本分类方法,结合意识形态、主题、情感和客观性指标评估了六个主流LLM的政治党派偏见,发现其自由-威权倾向被放大并影响公共话语。
2025-11-02 cs.AI cs.CL
Framing Political Bias in Multilingual LLMs Across Pakistani Languages
School of Computing, Macquarie University(计算机学院,麦考瑞大学)
研究评估了巴基斯坦五种语言中13种先进LLM的政治偏见,发现其在区域语言中表现出更集权的框架,强调文化适应的偏见审计框架的重要性。
2026-01-30 cs.AI cs.CL
Linked Multi-Modal Data on Russian Domestic and Foreign Policy Speeches
University of Delaware, Department of Political Science & International Relations(德克萨斯大学,政治科学与国际关系系);University of Delaware, Masters of Science in Data Science Program(德克萨斯大学,数据科学硕士项目);University of Delaware, Department of Computer & Information Sciences(德克萨斯大学,计算机与信息科学系);University of Pennsylvania, Department of Political Science(宾夕法尼亚大学,政治科学系)
本文介绍了一个连接多模态政治通讯的数据集,涵盖俄罗斯政府多个 decades 的官方演讲,提供俄语和英语文本、图像及注释,并通过 transformer 多模态模型进行主题标注,支持政治通讯的多模态分析。
2026-07-16 cs.CL
Sentiment Analysis of Spanish Political Party Tweets Using Pre-trained Language Models
Fudan University(复旦大学);Beijing Institute of Technology(北京理工大学)
本研究利用BETO和RoBERTuito预训练模型分析2019至2024年西班牙主要政党推文,发现中性情感主导,且情感表达与意识形态相关,展示了预训练模型在非英语情感分析中的潜力。
2024-11-07 cs.CL cs.CY
Detecting Authorship in Political Texts with Inductive Stylometry
本文提出一种结合字符3-gram、UMAP和Burrows' Delta的归纳文体计量方法,用于恢复政治文本中的潜在作者结构,并在多语言、多模式语料库中验证其有效性。
2026-09-09 cs.CL
Investigating Political and Demographic Associations in Large Language Models Through Moral Foundations Theory
本研究直接对比大型语言模型与人类的道德基础理论回应,通过显式提示和人口统计学角色扮演,系统评估LLM在政治与道德领域中的意识形态倾向及其表征准确性。
2025-10-14 cs.CL cs.CY
Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias
Systems and Software Lab (SSL) Department of Computer Science and Engineering(系统与软件实验室(SSL)计算机科学与工程系)
研究通过多维心理测量工具审计26个大语言模型,发现模型在政治倾向上聚类于自由主义左 quadrant,且模型身份解释了大部分变异性,但心理测量意识形态未显著预测分类误差。
2026-03-17 cs.AI cs.CL cs.CY
Navigating the digital spectrum: Assessing political bias, stability, and downstream fairness in Large Language Models
Jožef Stefan Institute(约热·斯泰凡研究所);Jožef Stefan International Postgraduate School(约热·斯泰凡国际研究生学院);University of La Rochelle(拉罗谢尔大学);University of Ljubljana(卢布尔雅那大学)
本研究提出政治罗盘测试框架,通过八维扰动空间采样评估八个大型语言模型的政治坐标,发现指令和语言显著影响结果,且角色提示对下游任务影响有限。
2026-09-09 cs.CL cs.CY
The Language You Ask In: Language-Conditioned Ideological Divergence in LLM Analysis of Contested Political Documents
Microsoft(微软)
研究通过俄语和乌克兰语语义等价提示,发现ChatGPT和Claude Opus在分析同一乌克兰公民社会文件时,输出出现系统性意识形态分歧,且分歧程度因模型而异。
2026-07-01 cs.CL cs.CY
Agentic Framework for Political Biography Extraction
Department of Politics and Public Administration, The University of Hong Kong(政治与公共行政系,香港大学);School of International Studies, Peking University(国际关系学院,北京大学);Department of Political Science, Columbia University(政治学系,哥伦比亚大学)
本文提出一种两阶段的合成-编码框架,利用大语言模型自动化提取多维精英传记,提升政治科学研究的效率和准确性。
2026-02-23 cs.AI cs.CL cs.CY
ChatGPT-4 Outperforms Experts and Crowd Workers in Annotating Political Twitter Messages with Zero-Shot Learning
University of Amsterdam(阿姆斯特丹大学);Amsterdam Institute for Social Science Research (AISSR)(阿姆斯特丹社会科学研究所(AISSR))
本文以2020年美国大选政治推文为基准,证明ChatGPT-4在零样本政治立场分类任务中比专家和众包工人在准确性、可靠性和偏差控制上表现更优,并具备传统上被视为人类独有的语境推理与意图推断能力,预示LLM将推动社会科学文本研究的大规模解释性分析。
2023-04-13 cs.AI cs.CL cs.SI
Auditing Alignment Controllability in LLMs via Political Axes
University of Zagreb Faculty of Electrical Engineering and Computing(萨格勒布大学电气工程与计算学院);It From Bit d.o.o.(It From Bit 有限责任公司)
研究通过对7个大语言模型进行基于提示可控性的压力测试,探讨其在政治轴上的对齐可控性,发现上下文框架起主要作用,模型移动方式有别,强调政治坐标审计需考虑分散性等可控性因素,并发布相关数据和代码。
2026-07-28 cs.AI cs.CL cs.CY
The Self-Perception and Political Biases of ChatGPT
TU Dortmund University(多特蒙德工业大学)
本文通过政治罗盘、G7 政治问卷、OCEAN、MBTI 和黑暗因子测试重复评估 ChatGPT,发现其自我认知偏向进步主义与自由意志主义,人格类型为 ENFJ,且黑暗特质较低。
2023-04-14 cs.AI cs.CL cs.CY
The Hidden Frame: How Large Language Models Impact Democratic Society
Vanderbilt University(范德堡大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究通过引导实验发现,大型语言模型将训练截止点前的临时党派立场呈现为知识,缺乏事实与意见区分机制,从而加剧认知单一文化。
2026-10-06 cs.CL
Analyzing Stylistic Variation across Different Political Regimes
University of Bucharest(布加勒斯特大学)
在这篇文章中,我们提出了一个文体分析的文本写在两个不同的时期,这不仅是时间上的不同,但在政治和文化上:罗马尼亚的共产主义和民主。我们的目标是分析在这两个时期写的文本之间的风格变化,并确定在什么水平的变化是更明显的(如果有的话):在风格层面,在主题层面等,我们看看这些文本的风格比较,通过对文本进行聚类和分类实验,使用传统的作者归属方法和功能。为了确认文体变化确实是政治和文化环境变化的影响,而不仅仅是反映作者风格随时间的自然变化,我们研究了随着时间的推移各种文体指标,并表明两个时期之间的风格变化具有统计学意义。我们还分析了两个时代之间的主题的变化,以比较在风格层面上的变化。这些分析表明,这两个时期的文本确实可以区分,无论是从风格的角度,并从语义内容(主题)。
2020-12-02 cs.CL
PAR: Political Actor Representation Learning with Social Context and Expert Knowledge
Xi’an Jiaotong University(西安交通大学);University of Washington(华盛顿大学);Tsinghua University(清华大学);University of California San Diego(加州大学圣迭戈分校);University of Technology Sydney(悉尼科技大学)
政治行为者的意识形态观点建模是计算政治学的一项重要任务,在许多下游任务中都有应用。现有的方法通常仅限于文本数据和投票记录,而忽略了丰富的社会背景和有价值的专业知识进行全面的意识形态分析。在本文中,我们提出了\textbf{PAR},一个\textbf{P}的政治\textbf{A} ctor \textbf{R} epresentation学习框架,共同利用社会背景和专家知识。具体来说,我们检索和提取有关立法者的事实陈述,以利用社会背景信息。然后,我们构建了一个异构的信息网络,将社会背景和使用关系图神经网络学习立法者表示。最后,我们训练PAR有三个目标,使表示学习与专家知识,模型的思想立场一致性,并模拟回音室现象。大量的实验表明,PAR是更好地增强政治文本的理解,并成功地推进了国家的最先进的政治观点检测和唱名投票预测。进一步的分析证明,PAR学习表征,反映政治现实,并提供新的见解政治行为。
2022-10-15 cs.CL
KnowBias: Detecting Political Polarity in Long Text Content
MIT PRIMES(MIT PRIMES项目);Weston High School(韦斯顿高中)
我们引入了一个分类方案,用于检测长文本内容(如报纸观点文章)中的政治偏见。获取足够规模的长文本数据和注释进行训练是困难的,但通过作者身份从推文中提取政治极性相对容易。我们对推文进行训练,并对文章进行推理。通用句子编码器和其他现有的方法,旨在解决这个领域的适应情况下提供不准确和不一致的预测文章,我们表明,这是由于在推文和文章之间的意见集中的差异。我们提出了一个两步分类方案,该方案使用在推文上训练的中性检测器从文章中删除中性句子,以调整意见集中度,从而提高该领域的准确性。我们的实现可在https://knowbias.ml上公开使用。
2019-11-20 cs.CL
KGAP: Knowledge Graph Augmented Political Perspective Detection in News Media
Xi’an Jiaotong University(西安交通大学);University of Technology Sydney(悉尼科技大学)
随着政治评论的快速增长和政治意识形态的日益两极化,识别新闻媒体的政治观点已成为一项重要任务。以前的方法侧重于文本内容,而忽略了在视角检测过程中必不可少的丰富的社会和政治背景。为了解决这个限制,我们提出了KGAP,这是一种结合外部领域知识的政治观点检测方法。具体而言,我们构建了一个政治知识图谱,作为特定领域的外部知识。然后,我们构建异构的信息网络来表示新闻文件,联合模型的新闻文本和外部知识。最后,我们采用关系图神经网络,并进行政治观点检测作为图级分类。大量的实验表明,我们的方法始终达到最佳性能的两个现实世界的角度检测基准。消融研究进一步证实了外部知识的必要性和我们基于图的方法的有效性。
2022-05-17 cs.AI cs.CL cs.CY
Text-Based Ideal Points
Columbia University(哥伦比亚大学)
理想点模型分析立法者的投票,以量化他们的政治立场,或理想点。但投票并不是表达政治立场的唯一方式。立法者还发表演讲,发布新闻声明和发布推文。在本文中,我们介绍了基于文本的理想点模型(TBIP),一个无监督的概率主题模型,分析文本,量化其作者的政治立场。我们用两种类型的政治化文本数据展示了TBIP:美国参议院演讲和参议员推文。虽然该模型不分析他们的投票或政治派别,但TBIP按政党区分立法者,学习可解释的政治化主题,并推断出接近经典投票的理想点。分析文本的一个好处是,与投票相反,TBIP可以估计任何撰写政治文本的人的理想点,包括无投票权的演员。为此,我们用它来研究2020年民主党总统候选人的推文。只使用他们的推文的文本,它沿着一个可解释的渐进到适度的频谱来识别他们。
2020-07-22 cs.CL cs.LG stat.ML
Improving Stance Detection by Leveraging Measurement Knowledge from Social Sciences: A Case Study of Dutch Political Tweets and Traditional Gender Role Division
Department of Methodology and Statistics(方法学与统计学系)
本文通过利用社会科学中的测量工具改进传统性别角色划分的立场检测,基于荷兰政治推文数据进行验证。
2026-02-19 cs.CL cs.CY cs.IR
Making Political Text Scaling Comparable: Infrastructure and Hyperparameter Sensitivity for 17 Algorithms
LMU Munich(慕尼黑大学)
本文通过大规模比较实验,论证CT-IPE方法应视为可配置测量管道,并量化17种算法的超参数敏感性,发现多数算法对配置不敏感,敏感性集中于少数关键选择。
2026-09-17 cs.CL cs.LG
Legislator Representation Learning with Social Context and Expert Knowledge
RMIT University(皇家墨尔本理工大学)
政治行为者的意识形态观点建模是计算政治学的一项重要任务,在许多下游任务中都有应用。现有的方法通常仅限于文本数据和投票记录,而忽略了丰富的社会背景和有价值的专家知识进行整体评估。在本文中,我们提出了一个表示学习框架的政治行为者,共同利用社会背景和专家知识。具体来说,我们检索和提取有关立法者的事实陈述,以利用社会背景信息。然后,我们构建了一个异构的信息网络,将社会背景和使用关系图神经网络学习立法者表示。最后,我们用三个目标训练我们的模型,使表示学习与专家知识相一致,建模思想立场一致性,并模拟回音室现象。大量的实验表明,我们学习的表征成功地推进了三个下游任务的最先进的。进一步的分析证明了学习立法者的陈述和各种社会政治因素之间的相关性,以及轴承的必要性,社会背景和专业知识在建模的政治行动者。
2022-01-03 cs.AI cs.CL cs.CY
Task-Guided Pair Embedding in Heterogeneous Network
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Yahoo! Research(雅虎研究院);Pohang University of Science and Technology (POSTECH)(浦项科技大学)
异构网络嵌入方法解决的许多现实任务可以归结为对两个节点之间的成对关系的可能性建模。例如,作者识别任务的目标是对论文由作者撰写的可能性(论文-作者成对关系)进行建模。现有的任务引导嵌入方法是以节点为中心的,因为它们简单地测量节点嵌入之间的相似性以计算两个节点之间的成对关系的可能性。然而,我们认为,对于任务引导的嵌入,关键是要专注于直接建模的成对关系。在本文中,我们提出了一种新的异构网络中的任务引导对嵌入框架,称为TaPEm,它直接建模与特定任务相关的一对节点之间的关系(例如,作者身份识别中的论文-作者关系)。为此,我们1)建议在其相关上下文路径的指导下学习一对嵌入,即,所述对之间的节点序列,以及2)设计所述对有效性分类器以区分所述对相对于手头的特定任务是否有效。通过引入捕获成对关系背后的语义的成对嵌入,我们能够学习两个节点之间的细粒度成对关系,这对于任务引导的嵌入方法至关重要。作者识别任务的大量实验表明,TaPEm优于国家的最先进的方法,特别是对作者很少的出版记录。
2019-08-29 cs.CL cs.LG cs.SI
Learning Stylometric Representations for Authorship Analysis
作者身份分析(Authorship analysis,AA)是一种从大量呈指数级增长的文本数据中揭示作者隐藏属性的研究。它根据文本中反映的写作风格提取作者的身份和社会语言学特征。它是一个必不可少的过程,为各个领域,如网络犯罪调查,心理语言学,政治社会化,等等,然而,大多数以前的技术严重依赖于手工特征工程过程。因此,功能集的选择已被证明是依赖于场景或网络的。在本文中,模仿人类的句子组成过程中使用的神经网络的方法,我们建议将不同类别的语言特征的分布式表示的话,以同时学习的写作风格表示的基础上未标记的文本的作者身份分析。特别是,所提出的模型允许主题,词汇,句法和字符级别的特征向量的每个文件被提取为stylometrics。我们评估我们的方法的性能的问题上的作者身份的表征和作者身份验证与Twitter的,小说和论文数据集。实验表明,我们提出的文本表示优于袋的词汇-n-gram,潜在的狄利克雷分配,潜在的语义分析,PVDM,PVDBOW,和word 2 vec表示。
2016-06-03 cs.CL cs.CY cs.SI
CommunityLM: Probing Partisan Worldviews from Language Models
MIT Center for Constructive Communication(麻省理工学院建设性沟通中心);MIT Media Lab(麻省理工学院媒体实验室)
随着美国政治态度在意识形态上的分歧,政治言论在语言上也出现了分歧。美国各政党之间日益扩大的两极分化,由于相互了解的侵蚀而加速。我们的目标是使这些社区更容易相互理解的框架,探讨社区特定的反应,相同的调查问题,使用社区语言模型CommunityLM。在我们的框架中,我们为Twitter上的每个社区确定了忠诚的党派成员,并对他们撰写的推文进行了微调。然后,我们评估了这两个群体的世界观,使用基于网络的探测其相应的LM,提示,引发公众人物和团体的意见,由美国国家选举研究(ANES)2020年探索性测试调查。我们比较了由LMs生成的响应ANES调查结果,并找到一个对齐的水平,大大超过了几个基线方法。我们的工作旨在表明,我们可以使用社区LM来查询任何群体的世界观,只要他们的社交媒体讨论或媒体饮食样本足够大。
2022-09-15 cs.AI cs.CL cs.SI
Millions of Co-purchases and Reviews Reveal the Spread of Polarization and Lifestyle Politics across Online Markets
Spotify;Cornell University(康奈尔大学)
美国的两极分化已经达到了一个高点,因为市场也在两极分化。然而,现有的研究集中在特定的细分市场和产品上,并没有评估这一趋势的全面性。如果这种断层线确实蔓延到其他没有明确政治性的部分,这将表明生活方式政治的存在-当思想和行为本身没有政治性时,通过与明确的政治性事物的联系而在政治上结盟。我们研究了极化和生活方式政治在不同市场的不同产品领域的普遍性,并测试了消费者和平台层面的网络效应和道德在多大程度上可以解释生活方式政治。具体来说,使用亚马逊的图形和语言数据(1996-2014年950万产品和产品和类别元数据的8250万条评论),我们在2180万个市场实体中抽取了2.346亿个关系,以找到最具政治相关性,对齐和极化的产品类别。然后,我们提取评论文本中存在的道德价值观,并使用这些数据和其他评论者,产品和类别级别的数据来测试个人和平台级别的网络因素是否比产品的隐含道德更好地解释生活方式政治。我们发现生活方式政治无处不在。文化产品的两极分化程度是其他任何细分市场的4倍,产品的政治属性与生活方式政治的相关性是作者水平协变量的3.7倍,道德与生活方式政治的相关性在统计上显着,但相对较小。在这些背景下研究生活方式政治有助于我们更好地理解党派差异的程度和根源,为什么美国人可能如此两极分化,以及这种两极分化如何影响市场体系。
2022-01-17 cs.AI cs.CL cs.IR
One Timeline, Many Renderings: A Wolfram Language Paclet for heterogeneous musical output
Conservatorio di Musica “N. Piccinni” di Bari(巴里“N. 皮钦尼”音乐学院)
该研究针对算法作曲多输出时间线漂移问题,提出Wolfram Language的Temporal System Paclet,通过共享存储实现异构音乐输出同步,涵盖多后端渲染并明确相关层的权衡与局限。
2026-09-04 cs.CL cs.SD
Can You Fool AI by Doing a 180? $\unicode{x2013}$ A Case Study on Authorship Analysis of Texts by Arata Osada
Tohoku University of Community Service and Science(东北公益文科大学);Kitami Institute of Technology(北见工业大学)
本文是我们试图回答一个双重的问题,涵盖了道德和作者分析领域。首先,由于用于进行作者身份分析的方法意味着作者可以通过他或她创作的内容来识别,我们有兴趣了解作者识别系统是否有可能正确地将作品归属于作者,如果在多年的过程中,他们经历了一个重大的心理转变。其次,从作者伦理价值观演变的角度,我们检验了如果作者归属系统在发现单一作者时遇到困难,这意味着什么。我们开始回答这些问题,通过使用基于预训练的Transformer模型的文本分类器和依赖于传统相似性度量的基线方法执行二进制作者身份分析任务。作为测试集,我们选择了日本教育家和教育史专家Arata Osada的作品,其中一半是第二次世界大战前的书籍,另一半是20世纪50年代的书籍,在这两者之间,他经历了政治观点的转变。因此,我们能够确认,在长田新田在10年以上的时间跨度内创作的文本中,虽然分类准确率大幅下降,并且大大低于其他非小说作家的文本,但预测的置信度得分保持在与较短时间跨度的情况相似的水平,这表明分类器在许多情况下被欺骗,从而决定在多年的时间跨度内撰写的文本实际上是由两个不同的人撰写的,这反过来又使我们相信这种变化会影响作者身份分析,历史事件对一个人在其作品中表达的道德观有很大的影响。
2022-07-19 cs.AI cs.CL cs.LG