一项研究考察了检索增强生成（RAG）框架如何将检索材料中的意识形态偏见传递给大型语言模型（LLM）的响应。研究确定采样温度显著影响这种意识形态转移的强度。

  • 研究人员对1,117篇关于COVID-19治疗的文章语料库应用了词汇多维分析，以识别用作外部知识的三种意识形态话语。
  • 在不同采样温度下对LLM进行意识形态问题测试，并评估其输出与参考文本的语义和词汇相似性。
  • 生成答案与参考文本之间的话语对齐在中等温度下达到峰值，平衡了随机性与检索基础。
  • 在低温下对齐度下降，表明过度确定性的采样会抑制意识形态话语的转移。

研究结果强调，RAG系统倾向于根据其检索来源放大或抑制意识形态立场，而温度作为话语对齐的关键控制因素。