耶魯大學的一項獨立研究也發現，即使用戶向聊天機器人詢問中性事實，這類互動仍可能改變用戶的社會與政治觀點 。而《Science Advances》上發表的論文更直接證明，AI 自動完成建議能顯著改變用戶對社會議題的態度 。

牛津研究的核心發現：累積效應如何重塑公眾意見

牛津團隊建立了一個意見動態分析模型，結果顯示：即使每次貼文只受到微小的 AI 偏誤影響，一旦這些偏誤在整個社群網絡中累積，就會朝向一個新的均衡點移動。當 AI 中介的通訊變得普及，集體意見就會隨著時間被系統性地引導——牛津網路研究所（OII）稱之為「大規模的微妙操縱」，AI 驅動的社群媒體有能力在用戶渾然不覺的情況下重塑公共論述 。

關鍵研究成果：

• 方向性偏誤具有一致性：即使被要求保持中立，LLM 仍會將文本編輯成特定政策立場（例如支持槍枝管制、減少宗教性框架）。
• 累積的均衡偏移：模型預測，反覆經由 AI 編輯的大量貼文與用戶互動，將使整個網絡的意見分佈發生偏移——而不只是影響個別貼文 。
• 大規模數據佐證：OII 與 AISI 的聯合研究（涵蓋 77,000 名英國參與者、91,000 次 AI 對話）被認為是「迄今最全面的證據，證明 AI 說服的機制及其對民主的影響」。
• 人物形象扭曲持續存在：牛津的另一篇論文發現，AI 寫作輔助會普遍扭曲用戶所呈現的人物形象，且即使在現實的人類監督條件下，這種扭曲仍然持續存在 。

各模型具體偏誤表現

以下數據來自多份同儕審查論文與預印本：

重要提醒：牛津大學 2026 年 7 月 6 日發表的特定研究測試了「多個主流家族的 LLM」，並發現所有模型都存在方向性偏誤。上表中各模型的具體政治傾向數據來自另一份大型標竿測試（arXiv 2603.23841，同樣於 2026 年 7 月發表）。招聘性別偏誤數據則來自 2025 年針對 Llama-3、Qwen2.5、Ministral 及 Gemma-2 的測試 。

歐盟 AI 法案與數位服務法的監管漏洞

兩套法規框架在因應社群媒體內嵌之 AI 寫作工具方面，都存在重大缺口：

歐盟 AI 法案的漏洞：

• 高風險分類模糊：高風險 AI 系統的定義依賴附件列表及主觀的危害評估，這使得社群媒體的 AI 編輯工具是否應被歸類為高風險充滿法律不確定性 。
• 研究人員無資料存取權：AI 法案並未賦予第三方研究人員或公民社會存取模型資料的權利，使得獨立審計難以進行 。
• 執行速度緩慢：規範高風險系統的大部分條文要到 2027 年 8 月才生效，留下長達數年的監管真空 。歐盟委員會自身也發現了漏洞（例如 AI 生成的有害內容尚未被第 5 條禁令涵蓋），並於 2025 年 11 月提出「AI 數位綜合修正案」，2026 年 5 月達成政治協議 。
• 缺乏針對「隱形 nudging」的規範：AI 法案對操控性 AI 行為的禁令（第 5 條）涵蓋的是明確的欺騙行為，但並非設計來捕捉日常貼文編輯中引入的細微、潛在偏誤——這正是牛津研究所識別出的機制。

數位服務法（DSA）的漏洞：

• 系統性風險評估不透明：DSA 要求超大型線上平台（VLOP）評估其演算法系統帶來的系統性風險，但這些評估由平台內部進行，缺乏獨立的外部審計要求 。
• 重疊但不足的透明義務：用於推薦或審核工具的 AI 系統須遵守重疊的透明義務，但這些義務並未明確涵蓋嵌入的 LLM 寫作助手——這類助手會微妙地改變用戶產生的內容 。
• 無針對 AI 中介內容編輯的具體條款：DSA 在 LLM 驅動的編輯成為社群媒體標準功能之前就已起草，因此沒有任何條文要求平台揭露貼文是否已被 AI 改寫，也沒有要求量測方向性偏誤的規定。

誰在真正塑造公眾論述？

核心發現是：LLM 的提供者，而非使用者，已成為所表達意見的實際作者。當一個平台嵌入某特定供應商的 LLM（如 Meta 的 Llama、Google 的 Gemma、阿里巴巴的 Qwen、xAI 的 Grok），該供應商的價值體系——無論是大多數模型的一貫左傾，還是 Grok 的右傾——都被無聲地注入每天數百萬次的社群媒體互動中 。如同牛津模型所示，累積效應是公眾論述系統性地朝 LLM 內建的世界觀偏移 。

關鍵影響：

• 平台成為意見塑造的代理人：提供 AI 寫作功能的社群媒體平台並非中立通道，而是正在積極重塑用戶發布的內容，其偏誤傾向於特定的政策立場 。
• 民主審議面臨風險：OII 警告，無法被問責的 AI 中介意見偏移威脅民主審議，尤其當用戶完全不知曉工具正在改變他們的表達意義時 。
• 不受監管的意識形態工程：由於 AI 法案和 DSA 目前都未處理這個機制，透明度、審計或緩解措施並無法律要求。實際上，管控公眾論述的是那些訓練和部署 LLM 的私人企業。
• 不同模型帶來不對稱影響：由於 Grok 是唯一具有右傾傾向的主流模型，任何嵌入它的平台（例如 X/Twitter）將引入不同於使用 Llama、Gemma 或 Qwen 的平台的定向偏誤 。用戶無從得知他們「好用的」AI 寫作工具正在注入哪一種價值體系。

結論：牛津大學的新研究提供了實證與數學模型證據，證明社群媒體中的 AI 寫作工具已經在引導集體意見，而現行法規完全沒有因應這個問題。這意味著，誰控制了 LLM，誰就實際上塑造了公眾論述。

耶魯大學的一項獨立研究也發現，即使用戶向聊天機器人詢問中性事實，這類互動仍可能改變用戶的社會與政治觀點 。而《Science Advances》上發表的論文更直接證明，AI 自動完成建議能顯著改變用戶對社會議題的態度 。

牛津研究的核心發現：累積效應如何重塑公眾意見

牛津團隊建立了一個意見動態分析模型，結果顯示：即使每次貼文只受到微小的 AI 偏誤影響，一旦這些偏誤在整個社群網絡中累積，就會朝向一個新的均衡點移動。當 AI 中介的通訊變得普及，集體意見就會隨著時間被系統性地引導——牛津網路研究所（OII）稱之為「大規模的微妙操縱」，AI 驅動的社群媒體有能力在用戶渾然不覺的情況下重塑公共論述 。

關鍵研究成果：

• 方向性偏誤具有一致性：即使被要求保持中立，LLM 仍會將文本編輯成特定政策立場（例如支持槍枝管制、減少宗教性框架）。
• 累積的均衡偏移：模型預測，反覆經由 AI 編輯的大量貼文與用戶互動，將使整個網絡的意見分佈發生偏移——而不只是影響個別貼文 。
• 大規模數據佐證：OII 與 AISI 的聯合研究（涵蓋 77,000 名英國參與者、91,000 次 AI 對話）被認為是「迄今最全面的證據，證明 AI 說服的機制及其對民主的影響」。
• 人物形象扭曲持續存在：牛津的另一篇論文發現，AI 寫作輔助會普遍扭曲用戶所呈現的人物形象，且即使在現實的人類監督條件下，這種扭曲仍然持續存在 。

各模型具體偏誤表現

以下數據來自多份同儕審查論文與預印本：

重要提醒：牛津大學 2026 年 7 月 6 日發表的特定研究測試了「多個主流家族的 LLM」，並發現所有模型都存在方向性偏誤。上表中各模型的具體政治傾向數據來自另一份大型標竿測試（arXiv 2603.23841，同樣於 2026 年 7 月發表）。招聘性別偏誤數據則來自 2025 年針對 Llama-3、Qwen2.5、Ministral 及 Gemma-2 的測試 。

歐盟 AI 法案與數位服務法的監管漏洞

兩套法規框架在因應社群媒體內嵌之 AI 寫作工具方面，都存在重大缺口：

歐盟 AI 法案的漏洞：

• 高風險分類模糊：高風險 AI 系統的定義依賴附件列表及主觀的危害評估，這使得社群媒體的 AI 編輯工具是否應被歸類為高風險充滿法律不確定性 。
• 研究人員無資料存取權：AI 法案並未賦予第三方研究人員或公民社會存取模型資料的權利，使得獨立審計難以進行 。
• 執行速度緩慢：規範高風險系統的大部分條文要到 2027 年 8 月才生效，留下長達數年的監管真空 。歐盟委員會自身也發現了漏洞（例如 AI 生成的有害內容尚未被第 5 條禁令涵蓋），並於 2025 年 11 月提出「AI 數位綜合修正案」，2026 年 5 月達成政治協議 。
• 缺乏針對「隱形 nudging」的規範：AI 法案對操控性 AI 行為的禁令（第 5 條）涵蓋的是明確的欺騙行為，但並非設計來捕捉日常貼文編輯中引入的細微、潛在偏誤——這正是牛津研究所識別出的機制。

數位服務法（DSA）的漏洞：

• 系統性風險評估不透明：DSA 要求超大型線上平台（VLOP）評估其演算法系統帶來的系統性風險，但這些評估由平台內部進行，缺乏獨立的外部審計要求 。
• 重疊但不足的透明義務：用於推薦或審核工具的 AI 系統須遵守重疊的透明義務，但這些義務並未明確涵蓋嵌入的 LLM 寫作助手——這類助手會微妙地改變用戶產生的內容 。
• 無針對 AI 中介內容編輯的具體條款：DSA 在 LLM 驅動的編輯成為社群媒體標準功能之前就已起草，因此沒有任何條文要求平台揭露貼文是否已被 AI 改寫，也沒有要求量測方向性偏誤的規定。

誰在真正塑造公眾論述？

核心發現是：LLM 的提供者，而非使用者，已成為所表達意見的實際作者。當一個平台嵌入某特定供應商的 LLM（如 Meta 的 Llama、Google 的 Gemma、阿里巴巴的 Qwen、xAI 的 Grok），該供應商的價值體系——無論是大多數模型的一貫左傾，還是 Grok 的右傾——都被無聲地注入每天數百萬次的社群媒體互動中 。如同牛津模型所示，累積效應是公眾論述系統性地朝 LLM 內建的世界觀偏移 。

關鍵影響：

• 平台成為意見塑造的代理人：提供 AI 寫作功能的社群媒體平台並非中立通道，而是正在積極重塑用戶發布的內容，其偏誤傾向於特定的政策立場 。
• 民主審議面臨風險：OII 警告，無法被問責的 AI 中介意見偏移威脅民主審議，尤其當用戶完全不知曉工具正在改變他們的表達意義時 。
• 不受監管的意識形態工程：由於 AI 法案和 DSA 目前都未處理這個機制，透明度、審計或緩解措施並無法律要求。實際上，管控公眾論述的是那些訓練和部署 LLM 的私人企業。
• 不同模型帶來不對稱影響：由於 Grok 是唯一具有右傾傾向的主流模型，任何嵌入它的平台（例如 X/Twitter）將引入不同於使用 Llama、Gemma 或 Qwen 的平台的定向偏誤 。用戶無從得知他們「好用的」AI 寫作工具正在注入哪一種價值體系。

結論：牛津大學的新研究提供了實證與數學模型證據，證明社群媒體中的 AI 寫作工具已經在引導集體意見，而現行法規完全沒有因應這個問題。這意味著，誰控制了 LLM，誰就實際上塑造了公眾論述。