本研究提出了一种新框架，有效表征知识领域中的答案集，扩展了佩尔斯理论，揭示知识规范与答案集语义的关系，推动逻辑基础人工智能的推理能力发展。

该研究使用Kialo创建的社交媒体数据集，研究了ChatGPT在争议性问题上的表现。结果显示，最新版本的ChatGPT在多个知识领域中不再表现出明显的显性偏见，但仍存在对右倾意识形态的隐性倾向。此外，与人类答案相比，Bing AI的信息来源在倾向中立方面略有增加。该研究对其他类型的偏见和领域具有普遍适用的意义。

该文提出了一种基于指令的方法来增强大型语言模型在识别知识冲突方面的能力，解决知识冲突的能力受到知识领域和提示文本等因素的影响，生成对知识冲突场景的稳健响应仍是一个开放性的研究问题。

研究 ChatGPT 模型的社会政治和经济偏见，发现最近版本在多个知识领域中不再表现出明显的显性偏见，但仍存在隐性倾向，需要增加更多的调节。在争议话题的领域知识方面，ChatGPT 表现良好。与人类答案相比，Bing AI 的信息来源在倾向中立方面略有增加。