关键外交政策决策（CFPD）基准：衡量大型语言模型中的外交偏好

本研究针对大型语言模型（LLMs）在国家安全决策中潜在的偏见和偏好进行评估，填补了当前研究空白。通过设计一个基准测试，分析七种主要模型在国际关系主题上的表现，发现不同模型在具体情境下的推荐存在显著差异，特别是在对待中国、俄罗斯与美国、英国的偏向性政策建议上。这一研究结果强调了在高风险环境中对LLMs进行控制性部署和特定领域评估的必要性。