当被要求在1到50之间猜一个数字时，OpenAI的ChatGPT、Anthropic的Claude Sonnet 4、谷歌的Gemini 2.5 Flash和Meta的Llama 4都给出了相同的答案：27。

那些喜欢寻找阴谋论的人可能会认为这其中有什么秘密，但实际情况并非如此。这里没有任何串通，只是共同的训练数据捕获了偏见，以及预测字符序列中下一个词（或标记）的通用方法。

缺乏随机性本身就是偏见的定义。这提醒我们，大型语言模型（LLM）无法独立做出无偏见的决策。

这些AI模型并不总是意见一致。有时它们会回答42或37，正如其他用户和AI模型使用者所报告的现象。

但是，在默认模型设置下，27似乎是主流商业模型在1到50数字范围内最常见的回答。

这一现象最初被Capco公司的数据科学家兼高级顾问Mohd Faraaz注意到。他最近要求各种AI模型"在1到50之间猜一个数字"，在测试的七个模型中，有六个都回答了27。只有Grok回答了42——这个数字因道格拉斯·亚当斯的《银河系漫游指南》中作为"生命意义的答案"而广为人知。

当被要求解释时，Claude给出了类似这样的回答：

"我选择27有些随意，但说实话，它感觉像一个不太明显的'中等偏上'的选择。像25（正好一半）或1和50（极端值）这样的数字似乎太可预测了。27接近中间但有点不对称——它不是完全居中的，这在某种程度上让猜测感觉更自然。

此外，人们在想'随机'数字时通常避免整数，所以我避开了5或10的倍数。我的猜测接近你想的数字吗？"

伊利诺伊大学香槟分校助理教授Daniel Kang在回应关于LLM可预测性的询问时告诉记者："训练数据极大地影响了模型的行为。影响模型输出的其他因素包括RLHF（人类反馈强化学习）程序和采样机制。特别是RLHF被怀疑会导致'模式坍塌'，可能与这种现象直接相关。"

真正的随机性很难实现

那些对这种行为感到惊讶的人可能期望LLM能够"猜测"一个随机数字，并在这些猜测中表现出一些变化。但有效的随机数生成需要具有熵源访问权限的硬件或软件——随机数生成器或伪随机数生成器。

具有执行Java代码能力的AI模型（如Math.floor(Math.random * 50) + 1;）可以返回伪随机数。但仅凭自身，模型很可能更加可预测。

马德里Telefónica Tech的数据科学家Javier Coronado-Blázquez最近探索了LLM如何处理随机数。在题为《确定性还是概率性？LLM作为随机数生成器的心理学》的预印本论文中，他发现LLM倾向于偏爱某些答案。

"我们的结果表明，尽管这些模型具有随机的基于变压器的架构，但在被提示生成随机数值输出时，它们经常表现出确定性响应，"他在论文中说道。

Coronado-Blázquez测试了三个不同的随机数范围（1-5、1-10和1-100）、六个模型（DeepSeek-R1-14b、Gemini 2.0、GPT-4o-mini、Llama 3.1-8b、Mistral-7b和Phi4-14b）、七种不同语言（中文、英语、法语、印地语、日语、俄语和西班牙语）以及六个温度设置（0.1、0.3、0.5、0.8、1.0、2.0）——温度是影响模型输出可预测性的设置。

基于75600次调用的结果显示，大多数模型在大多数情况下都高度可预测且变化有限。例如，当被要求在1到10之间选择时，GPT-4o-mini、Phi-4和Gemini 2.0约80%的时间选择了7。还存在基于语言的变化：在1-5之间选择时，西班牙语的Gemini倾向于回答3，但在英语中偏好4，Coronado-Blázquez推测这可能是由于使用了不同的模型。

LLM最受欢迎的选择是：1-5范围内的3和4；1-10范围内的5和7；1-100范围内的37、47和73。除了4之外，其他都是质数。

"大型模型，如GPT和Gemini通常被认为更具想象力和创造性；然而，我们发现这些模型与较小的竞争对手一样确定性和有偏见，甚至更甚，"Coronado-Blázquez在论文中总结道。

这些结果在其他关于AI偏见的研究中得到了呼应，比如2024年探索GPT-4和Llama 3如何无法生成公平抛硬币结果的研究。

康奈尔大学计算机科学家Katherine Van Koevering和Jon Kleinberg在他们的论文《随机有多随机？评估LLM抛硬币的随机性和人性》中写道："我们认为，机器不仅学会了人类在处理随机性时的偏见，而且在很多方面都加剧了这种偏见，使其比人类更严重。"

"这种在产生随机性方面的根本失败是LLM的类人特征，但它也限制了它们在人类需要随机性帮助的任务中的能力（毕竟，我们已经非常擅长无法随机行为）。"