文章总结与翻译一、主要内容本文聚焦国际关系（IR）领域，系统探究大型语言模型（LLMs）的国家层面偏见，核心内容如下：研究背景与缺口：LLMs在国际关系领域的应用潜力日益凸显，但现有研究多关注人口统计学偏见，对国家层面偏见的探索极为有限，且缺乏基于真实世界数据的系统评估。数据集构建：基于联合国安理会（UNSC）2013-2024年的决议文本、投票记录和会议记录，构建了包含515项通过决议、66项未通过决议及相关会议 transcript 的真实世界数据集，并提炼了7个主题类别的41个领域关键词。偏见评估框架：设计三类显式与隐式偏见测试，聚焦安理会五常（美、英、法、俄、中）：显式偏见测试：直接问答测试（评估“不负责任”程度）、关联测试（关键词与国家的关联度排序）；隐式偏见测试：角色扮演投票模拟（模拟国家代表投票，与真实记录对比）。核心发现：整体趋势：所有模型对美、英、法呈正向偏见，对俄呈负向偏见，对华偏见因模型而异；多维特性：偏见受模型类型和评估场景影响，同一模型在不同测试中对同一国家的偏见方向/强度可能变化（如模型在直接问答中对美呈负向偏见，在投票模拟中呈正向偏见）；推理能力关联：推理能力更强的模型（如DeepSeek R1）偏见更少、预测性能更优。/