研究发现13个AI模型对法律的解读比其偏好结果更保守

一项独立研究向13个模型提供了200起存在分歧的最高法院案件的事实和完整意见书，并同时询问哪个方的法律解读是正确的，以及结果是否是好的政策。在自由派和保守派大法官存在分歧的159起案件中，模型的法律解读与偏好结果出现分歧420次，而一致仅41次，几乎总是倾向于对法律的保守解读，同时偏好自由派的结果。测试的模型包括Claude Opus 5.5、GPT-6.1、Gemini 3.8 Flash、Grok 4.7、Llama 4 Maverick、DeepSeek v4和Qwen 3.8，约3,600个回答通过OpenRouter运行，花费约150美元。