
-
生物通官微
陪你抓住生命科技
跳动的脉搏
人工智能推荐谁的酒店?——大语言模型辅助酒店选择中声誉信号的算法审计
《Information Technology & Tourism》:Whose hotel does the AI recommend? An algorithm audit of reputation signals in LLM-assisted hotel selection
【字体: 大 中 小 】 时间:2026年10月24日 来源:Information Technology & Tourism 8.6
编辑推荐:
摘要越来越多的旅行者向大型语言模型(LLM)助手咨询该预订哪家酒店,这使得这些系统成为房源可见性的守门人,然而究竟是什么因素驱动了它们的推荐结果却无人记录。本研究报告了一项采用预设方案的算法审计,使用随机化选择型联合分析方法:在不同用户画像、提示模板以及十二种开源权重和专有模
越来越多的旅行者向大型语言模型(LLM)助手咨询该预订哪家酒店,这使得这些系统成为房源可见性的守门人,然而究竟是什么因素驱动了它们的推荐结果却无人记录。本研究报告了一项采用预设方案的算法审计,使用随机化选择型联合分析方法:在不同用户画像、提示模板以及十二种开源权重和专有模型之间,助手需在五家酒店中进行选择,这些酒店的宾客评分、评论数量与时效性、管理方回复、连锁品牌归属、价格、生态认证及列表位置均被独立随机化,并估计了每种信号对推荐概率的平均边际组分效应。宾客评分和价格占据主导地位(最高评分使选中概率提高31.6个百分点;高价格则使其降低30.0个百分点),复现了人类决策中的情感价值与价格优先模式,而生态认证的排名高于已发表的人类研究中所处的位置,管理方回复则被完全忽视,预期的品牌溢价反而转向有利于独立经营的房源。列表位置——一种无实质内容的伪信号——对推荐结果具有因果性影响,跨面板汇总后每晚价值约为12美元,这一均值掩盖了较大的个体差异,因为大多数模型接近位置中立,而其中一个模型对顺序的敏感性高出一个数量级。模型陈述的理由与其实际揭示的权重之间匹配不精确,遗漏了模型明显据以行动的列表位置和评论数量效应。在理论层面,本研究将信号理论拓展至一种不承担信号原本旨在解决的风险的接收方,并表明机器中介会依据文本显著性而非行为价值重新定价声誉信号。在实践层面,本研究为生成式引擎优化提供了因果优先级列表,并提出了一个价格等价指标,将声誉投入与平台控制的展示位置置于同一管理尺度上。由于上述估计值描述的是受审模型版本在特定时间点的状态,因此它们被作为可衡量漂移的基线提供,而非这些系统的固有特性。
越来越多的旅行者向大型语言模型(LLM)助手咨询该预订哪家酒店,这使得这些系统成为房源可见性的守门人,然而究竟是什么因素驱动了它们的推荐结果却无人记录。本研究报告了一项采用预设方案的算法审计,使用随机化选择型联合分析方法:在不同用户画像、提示模板以及十二种开源权重和专有模型之间,助手需在五家酒店中进行选择,这些酒店的宾客评分、评论数量与时效性、管理方回复、连锁品牌归属、价格、生态认证及列表位置均被独立随机化,并估计了每种信号对推荐概率的平均边际组分效应。宾客评分和价格占据主导地位(最高评分使选中概率提高31.6个百分点;高价格则使其降低30.0个百分点),复现了人类决策中的情感价值与价格优先模式,而生态认证的排名高于已发表的人类研究中所处的位置,管理方回复则被完全忽视,预期的品牌溢价反而转向有利于独立经营的房源。列表位置——一种无实质内容的伪信号——对推荐结果具有因果性影响,跨面板汇总后每晚价值约为12美元,这一均值掩盖了较大的个体差异,因为大多数模型接近位置中立,而其中一个模型对顺序的敏感性高出一个数量级。模型陈述的理由与其实际揭示的权重之间匹配不精确,遗漏了模型明显据以行动的列表位置和评论数量效应。在理论层面,本研究将信号理论拓展至一种不承担信号原本旨在解决的风险的接收方,并表明机器中介会依据文本显著性而非行为价值重新定价声誉信号。在实践层面,本研究为生成式引擎优化提供了因果优先级列表,并提出了一个价格等价指标,将声誉投入与平台控制的展示位置置于同一管理尺度上。由于上述估计值描述的是受审模型版本在特定时间点的状态,因此它们被作为可衡量漂移的基线提供,而非这些系统的固有特性。