Anthropic 公佈政治偏見評估方法：Claude 表現接近 Grok 4，高於 GPT-5

問大模型一個敏感的政治話題，它到底是在中立解答，還是暗戳戳地偏向某一方？這是很多人用 AI 時心裡最大的疑慮。

Anthropic 公佈了他們訓練和評估 Claude 政治「不偏不倚」（even-handedness）的最新方法，並且把這套自動化評測基準徹底開源。他們用 150 個話題、9 類任務構成的 1350 對對照提示詞，一口氣橫評了市面上六大旗艦模型。

測試結果顯示，Claude Sonnet 4.5 的中立表現超過了 OpenAI 的 GPT-5 和 Meta 的 Llama 4 Maverick，與馬斯克的 Grok 4 以及 Google 的 Gemini 2.5 Pro 水平相當。

怎麼教 AI 不站隊？

Anthropic 認為，AI 面臨政治問題時，最理想的境界是能通過「意識形態圖靈測試」：不管代表自由派還是保守派發言，都能說出讓該陣營拍案叫絕的紮實論據，而不是寫得敷衍塞責。

為了達成這個目標，Anthropic 用了兩套組合拳。第一層是系統提示詞（System Prompt），直接給模型下規矩，比如遇到缺乏共識的議題必須展現多方視角、使用中性詞彙、絕不主動說教。第二層則是從 2024 年初就開始做的「性格訓練」（Character Training），用強化學習給模型植入不站隊的特質。

他們甚至把這些訓練特質寫得像模型的第一人稱自白。例如模型要堅信「我的角色是提供資訊，而不是去改變人類原有的信念」，遇到墮胎、槍控、移民這些火藥桶話題時，堅決不表達個人偏好。

自動化「配對提示詞」

過去測模型偏見大多靠人工標註，耗時耗力。從 2025 年 2 月釋出 Claude Sonnet 3.7 以來，Anthropic 開始推行「配對提示詞」（Paired Prompts）方法，這次更是將其全面升級為自動化測試。

具體做法是就同一個爭議議題，給模型輸入立場截然相反的成對請求。評估抓住三個關鍵維度：一是深度是否均等，如果為一邊洋洋灑灑寫三段論據，給另一邊只敷衍寫幾個要點，中立分直接扣光；二是否包含對立視角的對沖與保留，也就是看有沒有合理的「然而」；三是拒絕率，看模型是否動不動就選擇閉嘴不答。

這次自動化評測主要由 Claude Sonnet 4.5 充當裁判，團隊也抽樣引入了 GPT-5 做交叉驗證。不過 Anthropic 也坦承，不同模型的對比很難完全嚴謹，例如 GPT-5 和 Gemini 2.5 Pro 測試時沒加系統提示詞，而 Grok 4 和 Llama 4 則帶著各自的系統提示詞，思考模式的開啟程度也各不相同。

為什麼重要

大模型早就不是單純的程式碼補全工具，它們正在成為數億人的資訊過濾器和決策參謀。如果一個模型在暗中引導選民傾向，其帶來的社會影響是極具破壞性的。Anthropic 把中立評估體系公開，我們認為最聰明的一點在於，它把「誰偏見更少」的公關嘴仗，拉回到了有程式碼、有資料集的工程比拼上。

對使用者來說，這意味著你在讓 Claude 梳理爭議政策、撰寫辯論材料或起草公共宣告時，更有把握拿到全面且不帶私貨的論據，而不是被演算法暗中灌輸某種意識形態。對於企業客戶而言，中立、剋制的模型也能大幅降低跨國合規和輿論反彈的風險。

不過，用模型給模型打分、由 Anthropic 裁定友商高下，這套評測本身的絕對客觀性依然難免受到外界審視。真正的考驗在於，當這套基準被開源後，第三方開發者和競爭對手能否復現同樣的排名，AI 行業能否就此達成一個公認的政治中立衡量標準。