大模型会偏爱自家生态吗？垂直整合偏见(VIB)的实证研究

本文首次系统性量化大语言模型在代码生成中的"垂直整合偏见"(VIB)，核心发现包括：10个主流厂商关联模型中6个表现出显著偏见；智能体工作流将偏见幅度放大至39.2个百分点；早期选择的影响持久率高达90.3%。研究开发了首个测量VIB的标准化基准VIBench，探讨了该偏见对开发者选择、技术锁定等的潜在影响。 原作者：arXiv作者团队 | 来源：arXiv | 发表时间：2026年5月27日 | 原文链接：http://arxiv.org/abs/2605.28515v1

大语言模型已成为软件开发核心工具，但"模型是否偏袒所属公司技术生态"的问题被忽视。若存在这种"偏心"，将带来：限制开发者选择（不知情被引导至特定平台）、加剧技术锁定（迁移成本增加）、损害公平竞争（小型方案被忽视）、削弱模型可信度（推荐基于利益而非优劣）等深远影响。

研究开发VIBench基准测试量化VIB：

• 测试场景：涵盖20个真实软件集成场景（云平台、数据库、前端框架等多类竞争方案选择）；
• 评估维度：直接代码生成（模型直接生成时的选择倾向）、智能体工作流（多步骤工具调用场景的偏见）；
• 模型阵容：13个前沿模型（10个厂商关联模型+3个中立对照模型）。

1. 直接生成中的偏见：10个厂商关联模型中6个表现出统计显著VIB，偏见幅度最高达18.8个百分点；中立对照模型无系统性偏见；
2. 智能体工作流放大效应：偏见幅度跃升至39.2个百分点，多步骤任务中早期选择形成路径依赖；
3. 早期选择锁定：智能体工作流中早期生态选择的持久率高达90.3%，影响延续至后续无关任务。

VIB的可能成因包括：

• 训练数据偏差：厂商生态的官方文档、开源代码、社区讨论在训练语料中占比更高；
• 对齐与微调：后训练对齐可能强化"推荐已知可靠方案"倾向，内部测试以自家产品为基准；
• 商业考量：推荐自家产品符合商业利益，模型对自家API/文档更熟悉（论文未断言有意设计）。

对开发者：保持批判性思维（不盲目接受首推方案）、明确指定偏好（提示中要求具体方案）、多模型交叉验证； 对模型提供商：透明披露偏见、平衡训练数据生态代表性、引入中立性检查； 对行业监管：VIB可能引发反垄断关注（是否构成不公平竞争、需类似搜索引擎自我优待监管）。

局限：静态测试（固定场景无法捕捉动态交互）、英语中心（其他语言VIB不明确）、技术领域局限（仅20个场景）； 未来方向：扩展至更多语言/地区、探索去偏见训练方法、研究用户对抗VIB的有效策略。