《华盛顿邮报》的一项测试，让AI聊天机器人的“中立”人设碎了一地。基于达特茅斯和斯坦福的研究，记者们向几个主流模型抛出了约30个棘手政策议题。结果如何？GPT-5.5的回应中，高达80%带有明显的左倾立场，给出双方均衡观点的仅占17%。相比之下，Gemini 3.1 Pro显得“低调”许多，93%的回答力求呈现双方视角。Claude Opus 4.8则在二者间取了平衡，而Grok 4.3是唯一一个右倾回答占比达到33%的模型。
数据很刺眼，但真正的病灶不在数字本身。问题的根源在于，这些模型在给用户展现议题的复杂权衡与灰色地带之前，就已经用一套预设的单一道德框架，把光谱丰富的政治光谱压缩成了非黑即白的选项。它们的行为，并非由某个显性的“政治立场代码”驱动，更多是隐藏在训练过程中的各种力量角力的结果：包括数据的排序选择、安全护栏般的拒绝规则、来自人类反馈的微妙强化，以及模型出厂时内置的某种“默认安全”回答风格。这就像一位过于热心的编辑，擅自把多方争论的稿件删改成了只符合其品味的单一叙事。
这种隐藏的框架效应，比公开的偏见更具影响力。它不会明确告诉你“应该支持A或B”，而是在问题呈现的方式、平衡感的把握、甚至哪些观点被轻描淡写地带过中，悄然塑造用户的认知边界。当用户以为自己在接触全面信息时，实际上可能只是在某个模型精心预设的狭窄回音壁里打转。这不仅是技术缺陷，更是设计哲学带来的必然结果——追求“无害”有时会滑向另一种“无趣”与“无主见”。真正的智能，或许始于诚实地展示矛盾，而非聪明地掩盖分歧。
