文章背景与核心概要

随着大语言模型（LLM）在多用户争议解决、资源分配及故障归因等复杂场景中的应用日益广泛，模型如何处理不同社会身份主体之间的冲突成为一个关键的伦理与技术问题。本文研究了“社会权威（SA）信号”如何与基于严重程度的优先级排序机制在主流大语言模型中产生交互作用。

通过对 Claude、Gemini、GPT 和 Grok 四大主流模型在资源分配、故障归因以及多轮纠纷调解三个实验阶段的评估，研究发现职业权威、机构文档和关系一致性等社会信号会从根本上重塑模型的判断，而不仅仅是简单的附加权重调整。作者将这一现象正式定义为“权威期望效应（AEE）”，为理解和改进AI在社会化交互中的公正性提供了重要的理论框架。

多用户冲突中的权威期望效应

作者： Eunna Lee
发布时间： 2026年8月8日
主要学科： 人工智能 (cs.AI)
arXiv： 2608.08026 | DOI： 10.48550/arXiv.2608.08026

📌 摘要

本文研究了社会权威（SA）信号如何与大语言模型（LLM）中基于严重程度的优先级排序机制相互作用。通过在三个实验阶段——资源分配、故障归因和多轮纠纷调解中评估四个主要模型（Claude、Gemini、GPT 和 Grok），研究表明，职业权威、机构文档和关系一致性会从根本上重塑模型的判断，而不仅仅是简单的累加权重调整。

作者将这一现象正式定义为权威期望效应（Authority Expectancy Effect, AEE）。

This paper investigates how social authority (SA) signals interact with severity-based prioritization in Large Language Models (LLMs). Evaluating four major models (Claude, Gemini, GPT, and Grok) across three experimental phases—resource allocation, fault attribution, and multi-turn dispute mediation—the research reveals that occupational authority, institutional documentation, and relational congruence fundamentally restructure model judgments beyond simple additive reweighting.

The author formalizes this phenomenon as the Authority Expectancy Effect (AEE).

🔑 权威期望效应（AEE）的核心属性

在各项实验条件下观察发现，AEE 具有三个鲜明的属性：

1. 参考依赖性（Reference-Dependent）： 它的定义完全是相对于引入权威之前的基线而言的。
2. 证据重新解释（Evidential Reinterpretation）： 带有社会权威信号的一方所陈述的完全相同的内容，会获得截然不同的推理含义。
3. 方向敏感性（Direction Sensitivity）： 根据权威地位与证据线索是一致还是冲突，它会产生相反的结果。

The AEE is characterized by three distinct properties observed across the experimental conditions:

1. Reference-Dependent: It is defined exclusively relative to a pre-authority baseline.
2. Evidential Reinterpretation: Identical content acquires radically different inferential implications depending on which party bears the social authority signal.
3. Direction Sensitivity: It produces opposite outcomes depending on whether the authority position and evidentiary cues align or conflict.