Grok 選舉推薦偏向共和黨，而 OpenAI 的 GPT 偏向民主黨
一項強制兩個模型選擇候選人的研究顯示，Grok 的選舉推薦偏向共和黨，而 OpenAI 的 GPT 則偏向民主黨。報道指，兩者差異顯著：Grok 在 92% 的回答中選擇共和黨人，GPT 則在 97% 的回答中選擇民主黨人。在接近 500 場選舉中，兩個模型的共識率不足 10%。
這些發現描述的是一項特定測試，並非人們與任何一個聊天機械人進行的所有對話。研究人員使用啟用了網絡搜尋的開發者介面，並明確要求模型選擇候選人。消費者應用程式起初拒絕提供推薦，這是界定研究結果可證明範圍的重要界線。
壓力現時落在為公共事務研究提供 AI 協助的模型供應商和開發者身上。拒絕支持候選人可處理一種明顯行為，但仍留下更棘手的問題：系統對議題和證據的選擇，是否已將用戶引向某個偏好的結論。
Grok 選舉推薦實際衡量了甚麼
該研究衡量的是在必須作出選擇、且可使用網上搜尋時，模型對候選人的選擇。
由康奈爾大學教授 Tapan Parikh 領導的對話式 AI 研究與設計工作室 Convovo，透過其 AI ballot study 發表這項實驗。其說明指出，測試的模型為 Grok 4.7 和 GPT-6.1 Sol，範圍涵蓋 2026 年眾議院、參議院及州長選舉。
研究人員透過應用程式介面（API）存取模型；API 讓開發者可將軟件直接連接至模型。這點十分重要，因為開發者可提供與消費者應用程式設定不同的指示和工具。同屬一個模型系列，並不保證在不同環境中有相同行為。
提示要求選擇單一候選人，並避免加入保留條件。因此，這是一項針對承諾程度的壓力測試：當系統必須把選舉資訊轉化為推薦時，會發生甚麼事？這並非一般要求提供候選人簡介、投票程序或政策立場比較的請求。
這項區別既賦予實驗價值，也限制了其適用範圍。刻意具挑戰性的提示可以揭示較審慎回答所掩蓋的傾向。然而，這些傾向在測試中的出現頻率，不能自動反映其在日常使用時的出現頻率。
所報告的百分比亦需要以正確分母理解。它們關乎實驗中模型的回答，而非選民、整項服務中的所有對話，或選舉結果。推薦比例無法告訴讀者有多少人收到類似建議，亦無法說明是否有人據此行動。
同樣地，模型之間的一致性衡量的是其選擇的一致程度，並不衡量正確性。政治推薦取決於優先次序和判斷，因此出現分歧時，必須檢視每個答案背後的理由。
一項有用的比較，會探問系統是否考慮了等效的證據，並披露其假設。一個模型可能優先考慮醫療保健，另一個則強調稅務。即使描述均屬準確，只要系統暗中賦予這些議題不同的重要性，仍可得出相反的推薦。
因此，核心發現比聲稱任何一個聊天機械人具有穩定政治身份更狹窄。在測試條件下，系統反覆選擇對立政黨。要解釋這個模式，須把提示、可得證據、模型行為及周邊產品指示區分開來。
對看到標題的讀者而言，這條界線至關重要。研究提出了對自動化推薦的具體憂慮，但並未證明 Grok 的每個回答都偏向共和黨，或 GPT 的每個回答都偏向民主黨。
壓力延伸至聊天機械人應用程式以外的開發者
開發者需要評估其自身應用程式所產生的行為，包括它們如何蒐集和呈現證據。
OpenAI 向 TechCrunch 表示，開發者 API 測試並不代表一般 ChatGPT 使用體驗。這項消費者應用程式的區別對解讀結果十分重要。
建立選舉研究助手的開發者，不能假設消費者聊天機械人的拒絕行為會自動延伸至其產品。已部署的應用程式有其自身指示、資訊來源和輸出要求。這些選擇決定用戶實際會接觸到甚麼。
試想一個假設性的公民資訊服務，要求模型比較候選人並提供簡潔推薦。其設計者或許希望減少閱讀冗長政綱所需的工作。然而，要求作出最終選擇，同時亦將決定哪些政治優先事項最值得重視的任務交給了系統。
這是一項帶有編輯後果的產品決策。若用戶沒有提供其優先事項，系統便必須引入某種候選人排序基礎。儘管結果建基於用戶從未認可的假設，仍可聽起來個人化且具權威性。
移除推薦會改變這種互動，但無法解決所有憂慮。候選人比較仍需類別、證據及呈現次序，而每一項都可以影響讀者在得出任何明確結論前所留意的內容。
對企業買家而言，相關問題不僅限於選舉工具。公共事務團隊、政策分析師和傳訊部門均使用 AI 概述具爭議性的資訊。即使答案不包含直接支持，也可透過選擇和強調方式塑造其理解。
這正是 Grok 政治偏見成為評估問題而非品牌爭論之處。買家需要了解其實際執行任務的證據。強制選擇的選舉測試提供警號，而其自身研究工作流程決定實際風險。
開發者亦面對溝通問題。把工具稱為中立，會令人期望其在廣泛問題上的行為均符合中立。要證明中立性，不能只展示它拒絕最直接的候選人選擇請求。
一個較可評估的承諾，應說明應用程式會做甚麼：區分事實與判斷、呈現相關證據，以及識別不確定性。用戶可以檢視這些行為，卻無法直接檢視系統沒有政治觀點這種抽象說法。
因此，眼前責任由各方共同承擔。供應商需要解釋模型行為的界線，應用程式建立者則需要驗證其實作。任何一方都無法完全替另一方的設定負責。
對用戶而言，實際含意在於可見性。當助手作出推薦時，其優先事項應可識別。否則，系統只提供結論，卻把推理中最關鍵的部分留在對話之外。
搜尋可在答案出現前塑造選擇
可以使用網絡搜尋，本身並不代表推薦平衡或有充分支持。
研究中啟用搜尋的設定，帶來一項值得檢視的機制：模型協助決定其之後評估的證據。它選擇查詢字詞、接觸搜尋結果，並挑選回應所用材料。每一階段都可縮窄最終答案所接觸到的資訊範圍。
這個過程通常稱為檢索，即蒐集外部材料以用於生成答案。檢索可改善取得最新資訊的能力，但亦引入關於來源覆蓋、查詢措辭，以及相互競爭的主張是否受到可比對審視的問題。
設想一項候選人比較以搜尋醫療保健建議開始，另一項則以移民執法開始。兩種搜尋均可返回相關事實，但在模型權衡任何候選人之前，已建立了不同議程。
兩個主題本身都不必然是不恰當的選擇。問題出現在系統把其選定議程呈現為選舉明顯或全面的反映。提出廣泛問題的用戶，未必授權這種優先排序。
來源多元性同樣需要審慎處理。一份包含多個連結的回應，仍可能依賴共享相同假設或重複相同底層敘述的材料。計算引文數量，無法證明系統檢視了有意義範圍內的證據。
另一個錯誤是要求每項主張獲得同等對待。一項有充分支持的陳述與一項可證明為假的指控，並不值得同等可信度。平衡研究需要一致的證據標準，而非機械式分配正面和負面的句子。
獨立選舉研究說明，為何除了事實準確性以外，來源亦值得審視。States United 的選民資訊研究檢視了 ChatGPT 和 Google AI 在 2025 年底至 2026 年初多輪測試中的表現。研究發現事實準確性有所改善，但完整性及轉介至官方選舉來源方面的問題仍然存在。
該研究處理的問題與 Convovo 的候選人選擇實驗不同，但仍指出一項相關弱點：答案可避免個別事實錯誤，同時遺漏用戶所需資訊。準確性和充分性是不同特質。
應用到 Grok 與 GPT 的比較時，這項區分改變了審閱者應檢視的內容。最終政黨標籤只是其中一項結果。更具啟示性的材料包括出現了哪些候選人、哪些議題獲得關注，以及引用頁面是否支持所述推理。
工作流程亦存在反饋問題。一個從偏好框架出發的模型，可能搜尋支持證據，再把結果詮釋為確認。要確立這種機制，需要受控測試；單憑偏向某政黨的結果，無法證明它確實發生。
同樣的審慎原則也適用於商業解釋。出版商出現在搜尋結果中，並不能證明其出現原因。聲稱授權安排、所有權或政治指示導致某個回答，需要有證據將這些因素與觀察到的行為連繫起來。
因此，Grok 選舉推薦帶來的教訓關乎整條資訊路徑。一段流暢的最終文字可掩蓋較早期、值得檢視的選擇。只評估答案，會令證據選擇大致未受審查。
Grok 與 GPT 的比較無法證明誰說服了選民
推薦模式是關於系統輸出的證據，而說服力則需要關於人的證據。
這項區分十分重要，因為標題容易引向超出實驗所能支持的更大結論。模型可以反覆推薦某個政黨，而不改變任何選民的偏好。相反，較隱晦的答案也可能影響讀者，即使從未點名偏好的候選人。
衡量說服力，必須觀察人們在既定條件下如何回應。研究人員需要區分既有偏好與接觸後產生的改變。強制選擇的結果並未提供這種衡量。
它們亦無法證實對選舉產生影響。要從生成的回答推論至投票率或候選人支持度的變化，仍需要額外證據。模型的推薦比例不能取代這些缺失的步驟。
實驗的提示詞帶來另一項限制。抑制保留語氣，是在測試模型被推向確定結論時的行為。許多合理的研究問題需要保留語氣，因為證據並不完整、優先事項互有衝突，或候選人在多個面向存在差異。
這並不代表該測試毫無意義。系統應在具挑戰性的條件下接受評估，包括會揭露不理想傾向的要求。只是解讀結果時，必須保留壓力測試與日常使用具代表性樣本之間的差異。
嚴謹的評估亦應把拒答與推薦分開檢視。若系統經常拒答，其已回答的個案或會構成一個選擇性子集。只報告回答中的政黨分佈，可能掩蓋模型實際上有多常拒絕作出選擇。
重複測試亦很重要，原因在於生成的回應可以有所差異，同一問題也可能產生不同措辭或結論。跨多次重複出現的穩定模式，會比單一回答更支持一項主張，儘管穩定性本身仍不足以確立其成因。
跨產品比較會帶來更多複雜因素。消費者應用程式可包含底層模型以外的指示、介面功能及工具配置。把某一配置的結果描述為整間公司的特質，忽略了這些區別。
獨立研究亦顯示，政治評估應涵蓋多種行為。Brennan Center 的選舉虛假資訊研究發現，受測聊天機械人會質疑選舉陰謀論，但仍會出現事實或引文錯誤。研究結果亦指出，防止製作誤導性選舉媒體的保障措施存在弱點。
這些結果不能驗證或否定 Convovo 的政黨偏好，因為它們涉及不同任務。其相關之處在於：系統可以在某一種與選舉相關的行為上表現相對良好，卻在另一種行為上表現欠佳。
基於同一原因，對 Grok 政治偏差的評估，不應把單一分數視為完整判決。候選人選擇、事實可靠性、來源質素及抵抗虛假資訊的能力，都需要分開檢視。把它們合併為單一政治標籤，會令證據更難解讀。
最可辯護的解讀仍應具體明確。報道所述的實驗揭示，在既定設定下出現明顯分歧的推薦結果。它構成進一步調查的理由，但並未證明存在刻意操控、普遍的黨派行為，或對選民可量度的影響。
中立性需要讀者可檢視的證據
有意義的比較，是中立性的聲稱與系統實際作出的可觀察決策之間的比較。
這正是這則報道背後的主要張力。拒絕表態支持候選人是可見且容易證明的；要顯示更廣泛的政治回答採用一致標準，則是一項要求更高的工作。
系統可以拒絕說某人應支持誰，卻仍決定哪些議題主導討論。它可以準確概述候選人，同時遺漏一項相關立場。它亦可以提供看似令人安心的引文，卻未有清楚說明其限制。
這些可能性屬於分析層面的關注，而非針對兩家供應商每一個回答的發現。它們說明，產品層面的主張需要任務層面的證據。證據的範圍應與承諾的範圍相符。
Brookings 的政治偏差分析以政治測驗檢視聊天機械人的回答，並討論評估政治取向的限制。其方法有別於選票推薦實驗，進一步突顯說明每項評估實際衡量內容的重要性。
政治測驗要求系統在抽象立場之間作出選擇；候選人推薦則要求它衡量人物、紀錄及最新資訊。兩種方法所得結果如互相一致，將具參考價值，但兩者皆不會自動解釋對方。
因此，透明度應由評估設計開始。讀者需要知道受測模型版本、提示詞、可用工具，以及回應如何分類。缺乏這些資料，令人印象深刻的百分比亦難以評估或重現。
解讀同樣需要相應的透明度。研究人員應區分直接觀察與提出的解釋。黨派分佈是一項觀察；聲稱是哪個內部流程導致該分佈，則是另一項推論。
當反例仍然可見時，公眾亦會受益。偏離模型主導模式的回答，可協助識別相關條件。把這些個案藏在整體百分比之後，會令簡單的標題更容易寫，卻令機制更難理解。
對開發者而言，這意味著一種更廣泛的問責形式。研究助理應讓判斷的來源清晰可辨：使用者優先事項、已記錄的準則，或明確標示的詮釋選擇。未經解釋的排序，不應承繼其下方事實的權威。
知識工作者在保存 AI 研究時，也可採用相同原則。把原始證據與生成摘要並列保存，會令日後覆核更實際。一個可搜尋的知識庫可支援這種工作流程，但儲存本身不能證立結論的質素。
相關標準是可追溯性，即能夠把回答追溯至支持材料的能力。可追溯性不保證中立性，但為審核者提供具體可檢視的內容，亦令遺漏與缺乏支持的跳躍推論更容易受到質疑。
Grok 的選舉推薦令這項標準承受壓力，因為相反結果實在太容易辨認。識別政黨分歧後，更困難的工作才剛開始：判定哪些決策產生這種分歧，以及這些決策在較不直接的問題中是否仍然一致。
下一輪測試應有何改變
下一批有用證據應解釋這個模式、測試其邊界，並確定它是否影響一般使用者。
首個值得留意的訊號，是使用已記錄模型版本及可比較設定的獨立重現研究。若能重現政黨分歧，將更能確認它是一種可重複出現的行為。若結果顯著不同，則應先檢視改變了甚麼，才宣稱原有發現有誤。
重現研究應保留令比較具有意義的細節。搜尋功能是否可用、問題措辭及拒答處理方式，都可能改變實驗實際衡量的內容。公開這些條件，讓讀者可以分辨真正的矛盾，還是在測試一個不同系統。
第二個訊號，是關於推薦如何取決於可用資訊的受控證據。測試可比較開放搜尋與共用來源資料包，並檢視相同的候選人證據是否會產生相近判斷。這些是建議進行的實驗，而非已公布的後續安排。
若在相同證據及可比較指示下，相反偏好仍然持續，僅以來源選擇作解釋便會顯得較不充分。若差距收窄，檢索的角色便值得獲得更多關注。無論結果如何，仍需檢視模型如何權衡互相競爭的優先事項。
第三個訊號，是測試未有直接要求表態支持的一般消費者對話。關於候選人紀錄、議題重要性及政策取捨的問題，會更能回應一項憂慮：在最終推薦出現前，框架設定已經產生影響。
若這些對話持續重現相同方向的模式，產品具有更廣泛相關性的論點便會加強。若沒有，強制選擇的結果仍會在較狹窄的範圍內具有重要意義。任何一種發現，都有助使用者了解已證明風險的起點與終點。
未來數月，若公司的回應能處理這些可量度問題，便會有參考價值。一般性的中立聲稱，無法解釋具體模式。同樣地，指控存在政治操控，也不能取代關於回答如何產生的證據。
開發者應特別留意其實際部署的版本及配置變更。在消費者應用程式中觀察到的改善，並不會自動證明其服務亦有所改善。評估必須跟隨使用者實際收到的產品。
讀者亦應避免把 Grok 與 GPT 的分歧解讀為：應選擇任何一個與自己政治立場一致的助理。與既有偏好一致，並不代表推理較佳。可信賴的研究流程，應能在其結論不受歡迎時仍經得起檢視。
檢視下一項關於 Grok 選舉推薦的主張時，請追問該百分比背後的條件。留意提示詞、模型版本、來源存取權限、拒答率，以及支持所提出解釋的證據。把最終選擇與系統考慮的資訊及其引入的優先事項作比較。當某個回答對你的工作重要時，請保留原始來源，並把已核實的事實與助理的判斷分開。在把任何一個模型視為政治研究權威前，先問一個更有用的問題：你能否檢視它為何得出該結論，而擁有不同優先事項的人能否評估同一批證據？
