Studio Rivela che i Modelli Linguistici di Grandi Dimensioni Amplificano la Polarizzazione nella Cura dei Contenuti tra i Principali Fornitori

Uno studio di simulazione che analizza i bias nei Modelli Linguistici di Grandi Dimensioni (LLM) utilizzati per la cura dei contenuti ha rilevato che la polarizzazione viene costantemente amplificata in tutte le configurazioni. La ricerca, dettagliata nella preprint arXiv 2604.15937, ha esaminato tre principali fornitori di LLM: OpenAI, Anthropic e Google. Ha utilizzato dataset reali di social media provenienti da Twitter/X, Bluesky e Reddit per mappare i bias nella selezione dei contenuti. Sono state effettuate oltre 540.000 selezioni simulate delle prime 10 posizioni da pool di 100 post in 54 condizioni sperimentali. Sono state testate sei strategie di prompt: generale, popolare, coinvolgente, informativo, controverso e neutrale. Lo studio ha rivelato che i bias variano significativamente nella loro natura strutturale e nella sensibilità al design dei prompt. La gestione della tossicità ha mostrato una forte inversione tra i prompt di coinvolgimento e quelli di neutralità. Questo lavoro evidenzia la natura poco compresa dei bias degli LLM nel classificare i contenuti creati dall'uomo. Mira a identificare quali bias sono robusti tra fornitori e piattaforme e quali possono essere mitigati attraverso l'ingegneria dei prompt. I risultati sottolineano le sfide nel dispiegare gli LLM per compiti di cura dei contenuti senza conseguenze indesiderate.