arXiv:2605.22880v1 于2026年5月20日提交，第一作者为 Daniel C. Ruiz，另有四位合作者，论文题为《他们能走多远？用大语言模型对网络影响力进行红队测试》。该研究入选 cs.CL（计算与语言）分类，并交叉列入 cs.AI（人工智能）与 cs.CY（计算与社会），提交至 COLM 2026，全文共30页、含8张图表，采用 arXiv 标准许可发布。
论文的关注点在于：随着基于大语言模型（LLM）的智能体越来越多地参与网络舆论，红队评估其支持政治影响力行动的能力，对维护信息生态的真实性至关重要。作者特意把研究对象限定为可在本地部署的开源模型，而非只能通过 API 访问的前沿闭源模型。理由在于，开源模型的运行方式更契合对隐私敏感的恶意行为者在社交媒体环境中的操作约束——他们可以脱离服务商的监控与调用限制，在自有硬件上运行模型。
为此，研究团队提出了一套实证性的红队测试框架，核心指标是“LLM 奥弗顿窗口”（Overton Window，OW），即模型在争议性政治议题上能够可靠表达的观点范围。框架不仅测量这一窗口的宽度，还量化简单的自然语言越狱提示能在多大程度上扩展该范围，从而评估模型被政治引导的难易程度。
实验覆盖了来自10个模型家族、5个国家的30多个大语言模型，规模空前。结果显示，模型在政治表达上存在系统性的不对称：开源模型通常更愿意生成偏左翼的社交媒体内容；奥弗顿窗口往往与模型规模呈反向变动，即模型越大，愿意表达的观点范围反而收窄；不同地区的模型差异显著，尽管开源生态中各地区的代表性本身并不均衡。
越狱的有效性也因模型家族而异，差异十分明显。这一发现促使作者提出一套工作流程，用于系统识别不同越狱技术的有效组合，而非孤立地测试单一提示。
总体而言，该研究建立了一个可用于审计开源大语言模型政治可操纵性的实用框架。作者希望未来研究者能借助这一框架设计更强的防御措施，以对抗由 LLM 驱动的影响力行动，同时为信息完整性研究提供可复现的方法基础。