背景
隨著人們日益使用 AI 聊天機器人查找政治與選舉資訊，理解這些系統實際提供的內容變得重要。MIT 研究團隊指出，由於模型持續更新、輸入的政治資訊不斷變化，且回答可能取決於用戶提問方式或自我揭露的資訊，目前缺乏良好的歷史紀錄來重現選民在不同時間點看到的資訊環境。此外，除了事實準確性，AI 在框架（framing，指呈現資訊的角度與措辭方式）、強調重點、不確定性表達及引用來源上的細微差異，即使沒有明確的錯誤資訊，也可能極大地影響人們對政治議題的理解。 MIT News（AI）
發生什麼事
MIT 研究人員建立了一個名為 LLM Election Observatory的新儀表板，旨在即時檢視流行 AI 聊天機器人如何回應關於 2026 年美國中期選舉的問題。該團隊由 Adam Berinsky 教授、Chara Podimata 助理教授與 Charles Stewart III 教授領導，成員在投票與選舉管理、AI 與錯誤資訊，以及 AI 系統如何影響人類決策方面擁有豐富經驗。為了更好地理解 AI 如何塑造選舉，他們設計了這個儀表板來模擬全國各地個人與聊天機器人的互動情況。 MIT News（AI）
重點內容
該團隊追蹤不同 AI 系統對一系列固定問題的回應，主題涵蓋選舉認證、熱點議題、結果預測、新聞報導等。每隔幾天，LLM Election Observatory 團隊會再次將這些問題輸入聊天機器人，監控隨著選舉臨近，回應如何因用戶位置、政黨歸屬、身分及其他因素而變化。研究目標不僅是理解 AI 系統如何傳播資訊，更是要理解它們如何塑造政治論述以及全國選民對政治議題的理解。 MIT News（AI）
Podimata 助理教授指出，人們透過與聊天機器人的互動建立自己的「微觀世界」（microcosms，指個人透過互動形成的獨特資訊環境），但缺乏系統性的方法來理解這些個人化的資訊環境如何受身分影響或隨時間演變。例如，用戶可能未察覺自己喜愛的聊天機器人對某政治議題的說法，與朋友喜愛的機器人對同一議題的說法截然不同。即使提供的資訊事實正確，機器人也可能以不同方式框架事實、強調不同面向、表達不同程度的不確定性，或引用完全不同的來源，導致兩位用戶對同一基礎事實產生截然不同的認知。 原文
與社群媒體不同，聊天機器人的資訊環境對個人對話之外的人來說大致是不可見的，難以觀察不同用戶被告知什麼，或系統性地比較回應並追蹤其隨時間的變化。LLM Election Observatory 透過系統性地收集並公開分享聊天機器人的回應，旨在使這些原本不可見的差異變得可觀察且可供檢視。儀表板展示了基礎資料與初步的描述性分析，團隊計畫讓其他研究人員也能研究該資料集，並隨著資料與方法的演進持續更新儀表板。 原文
對使用者的意義
該專案希望學術界內外的人士都能在選舉進行中即時看到收集的資料，而非僅在數月後的學術論文中看到結果。研究團隊希望透過公開儀表板，讓公眾了解 AI 系統在選舉期間提供的資訊環境，並促進對 AI 如何影響政治論述的監督。 MIT News（AI）
