Seeing the Goal, Missing the Truth: Human Accountability for AI Bias.UMD发表于 2026年2月10日上传于 2026年2月11日本研究检验当向大型语言模型(LLM)披露下游用途(如预测月度股收益或季度每股收益)时,其对中间度量(情绪、竞争强度)产生系统性偏移;在知识截止日前,目标感知提示能提高表面上的预测表现但不具备稳健的样本外泛化能力,本质上是提示设计导致的人为责任与目的泄露问题而非模型结构性缺陷