一项新发布的学术研究聚焦大语言模型（LLMs）在多重文化身份线索下的价值选择偏差问题。该研究于2026年10月24日发布于arXiv预印本平台（编号2610.31199v1），采用双重身份设定：系统提示中预设一国‘人格’，用户输入中再引入第二重文化线索——或显式命名某国，或隐式通过查询语言体现。
研究结合World Values Survey（WVS）多项选择题探测与开放式社会政治生成任务进行评估。结果显示，在多项选择任务中，语言线索引发的答案偏移强度约为显式国家命名的三倍，但其偏移方向反而背离该语言所关联国家的实际价值观分布；而显式命名国家并未稳定地将模型输出拉向对应国家的经验分布。
在覆盖160万条开放生成响应的分析中，显式命名某国可缩小模型基准响应与该国专属响应之间差距的30–44%；且相较语言线索，显式线索能触发更显著、更具区分度的价值观变化。研究据此强调：国家标识与语言不应被视作文化代理的可互换指标，而需作为独立信号分别建模与评估。