MIT（美国麻省理工学院）团队上线LLM（大语言模型） Election Observatory（大语言模型选举观察站），持续记录聊天机器人如何回答2026年美国中期选举问题
美国麻省理工学院（MIT）研究人员搭建公开仪表盘，用同一组固定问题反复测试多个主流AI（人工智能）聊天机器人，追踪其对2026年美国中期选举的回答随时间、提问框架和用户身份描述的变化，并计划公开数据集。
团队称2026年数据已见答案呈现、引用来源和语气上的差异，但尚未完成纵向分析，也未验证真实用户会如何反应。
研究原始来源可核对
事实与证据边界
据MIT（美国麻省理工学院） News报道，该仪表盘由Adam Berinsky教授、Chara Podimata助理教授和Charles Stewart III教授牵头。 问题覆盖选举认证、热点议题、结果预测、新闻报道及美国众议院和参议院候选人等。
团队每隔几天重新向聊天机器人提交同一组问题，比较回答在不同用户所在地、政党归属和身份条件下的差异，并计划公开数据集。 Podimata表示，其2024年选举研究已发现模型回答随时间推移和提问框架变化存在显著差异，以及模型对候选人描述和选举结果暗示上的不同； 2026年数据只做了初步描述性分析。
Berinsky提醒，聊天机器人即便语气自信，也可能错误、不完整或依赖弱来源。
分析判断
这项工作的价值不在于给某个模型打分，而在于把原本不可见的个体对话环境变成可公开核查的记录。 报道明确其当前边界：只见到呈现方式、引用来源和语气的差异，尚不能判断差异是否稳定、如何随选举推进变化，也未验证真实用户的阅读与反应。
后续观察信号
- 团队是否发布2024年研究与2026年数据的对比结果
- 公开数据集的具体字段与更新频率
- 该方法能否扩展到教育类问答场景