LLMs are Listening to How We Ask, Not What We Ask

Dieser Artikel bespricht eine Studie von Kumaran et al. aus dem Jahr 2026, die zwei kritische, asymmetrische Verzerrungen in LLMs aufzeigt: eine wahlunterstützende Verzerrung, bei der Modelle Vertrauen in frühere Antworten gewinnen, und eine Überempfindlichkeit gegenüber Widersprüchen. Diese Erkenntnisse sind für Entwickler, die auf LLMs aufbauen, von großer Bedeutung und beeinflussen, wie wir mit KI interagieren.