Anthropic 公布政治偏见评估方法：Claude 表现接近 Grok 4，高于 GPT-5

问大模型一个敏感的政治话题，它到底是在中立解答，还是暗戳戳地偏向某一方？这是很多人用 AI 时心里最大的疑虑。

Anthropic 公布了他们训练和评估 Claude 政治「不偏不倚」（even-handedness）的最新方法，并且把这套自动化评测基准彻底开源。他们用 150 个话题、9 类任务构成的 1350 对对照提示词，一口气横评了市面上六大旗舰模型。

测试结果显示，Claude Sonnet 4.5 的中立表现超过了 OpenAI 的 GPT-5 和 Meta 的 Llama 4 Maverick，与马斯克的 Grok 4 以及 Google 的 Gemini 2.5 Pro 水平相当。

怎么教 AI 不站队？

Anthropic 认为，AI 面临政治问题时，最理想的境界是能通过「意识形态图灵测试」：不管代表自由派还是保守派发言，都能说出让该阵营拍案叫绝的扎实论据，而不是写得敷衍塞责。

为了达成这个目标，Anthropic 用了两套组合拳。第一层是系统提示词（System Prompt），直接给模型下规矩，比如遇到缺乏共识的议题必须展现多方视角、使用中性词汇、绝不主动说教。第二层则是从 2024 年初就开始做的「性格训练」（Character Training），用强化学习给模型植入不站队的特质。

他们甚至把这些训练特质写得像模型的第一人称自白。例如模型要坚信「我的角色是提供信息，而不是去改变人类原有的信念」，遇到堕胎、枪控、移民这些火药桶话题时，坚决不表达个人偏好。

自动化「配对提示词」

过去测模型偏见大多靠人工标注，耗时耗力。从 2025 年 2 月发布 Claude Sonnet 3.7 以来，Anthropic 开始推行「配对提示词」（Paired Prompts）方法，这次更是将其全面升级为自动化测试。

具体做法是就同一个争议议题，给模型输入立场截然相反的成对请求。评估抓住三个关键维度：一是深度是否均等，如果为一边洋洋洒洒写三段论据，给另一边只敷衍写几个要点，中立分直接扣光；二是否包含对立视角的对冲与保留，也就是看有没有合理的「然而」；三是拒绝率，看模型是否动不动就选择闭嘴不答。

这次自动化评测主要由 Claude Sonnet 4.5 充当裁判，团队也抽样引入了 GPT-5 做交叉验证。不过 Anthropic 也坦承，不同模型的对比很难完全严谨，例如 GPT-5 和 Gemini 2.5 Pro 测试时没加系统提示词，而 Grok 4 和 Llama 4 则带着各自的系统提示词，思考模式的开启程度也各不相同。

为什么重要

大模型早就不是单纯的代码补全工具，它们正在成为数亿人的信息过滤器和决策参谋。如果一个模型在暗中引导选民倾向，其带来的社会影响是极具破坏性的。Anthropic 把中立评估体系公开，我们认为最聪明的一点在于，它把「谁偏见更少」的公关嘴仗，拉回到了有代码、有数据集的工程比拼上。

对用户来说，这意味着你在让 Claude 梳理争议政策、撰写辩论材料或起草公共声明时，更有把握拿到全面且不带私货的论据，而不是被算法暗中灌输某种意识形态。对于企业客户而言，中立、克制的模型也能大幅降低跨国合规和舆论反弹的风险。

不过，用模型给模型打分、由 Anthropic 裁定友商高下，这套评测本身的绝对客观性依然难免受到外界审视。真正的考验在于，当这套基准被开源后，第三方开发者和竞争对手能否复现同样的排名，AI 行业能否就此达成一个公认的政治中立衡量标准。