摘要由 AI 生成
2026 年 9 月 7 日，arXiv cs.AI 发布研究指出，在判断逻辑谬误时，人类受来源线索（如作者身份、媒体标签等）的影响程度显著高于大语言模型。该研究通过对比实验发现，当面对相同的内容时，人类更容易因来源信息而产生偏见性判断，而大语言模型的推理过程相对更少受到此类外部线索的干扰。这一结果揭示了人机在认知处理逻辑谬误时的机制差异，表明当前 AI 系统在客观性上可能优于人类，但同时也提醒人类需警惕自身对来源信息的过度依赖。
关键实体KEY ENTITIES
Claude Sonnet 4.5GPT-5.2Gemini 2.5 Flash
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- GPT-5.21
- Gemini 2.5 Flash1
- Claude Sonnet 4.51
全部报道（1）SOURCES
↗
一项针对逻辑谬误评估的研究发现，人类比大型语言模型更易受源标签偏见影响。在线实验招募 505 名参与者，对比了人类与 GPT-5.2、Gemini 2.5 Flash、Claude Sonnet 4.5 等 LLM 在不同源条件（人类、AI、人机协作或未披露）下的判断。结果显示，人类在评论被标记为“由人类撰写”或“由人类辅助 AI 撰写”时信任度显著更高，而 LLM 的评估结果在各源条件下保持相对稳定。尽管双方对逻辑谬误的判断均表现出高置信度，但源标签偏见主要体现为人类在逻辑谬误评估中的脆弱性，这对日益 AI 化的协作环境具有潜在影响。