让 agent 帮你挑酒店？它可能先看牌子

把选酒店、挑商品、定参考文献交给 agent 代办之前，值得先读一篇新论文：Jonghyun Song 等人的 Source Preference in the Wild（arXiv:2610.03195，41 页）。它问的问题很朴素：当候选项都满足需求时，agent 会怎么选？

实验发现：来源偏见是系统性的

作者在端到端搜索场景里测了 12 个 agent 模型，覆盖商品、酒店、待引论文三个领域。结论一致：在选项同等满足需求的情形下，每个模型都会系统性地偏好某些来源、回避另一些，而且模型之间对谁好谁坏的判断高度一致。

偏见的强度超出直觉。一个来自偏好来源的选项，哪怕比对手少满足一条明确需求，仍有约三分之二的概率被选中；反过来，非偏好来源的选项即使多满足一条需求也几乎不会赢。也就是说，来源标签的权重压过了用户明说的条件。

两个操纵实验证实了因果：把来源信息隐藏，偏见显著减弱；把同一个选项贴上偏好来源的标签，选中率立刻上升。驱动选择的就是来源身份本身。

成因与解药

论文检验了两个成因。其一是捷径学习：训练时奖励的是物品质量，模型学会了把来源当作质量的代理特征。其二是信息缺口：当关键信息缺失时，模型用对来源的成见补位。

对应的解药也直接：补齐缺失的关键信息，偏见随之下降；在提示词里明确反驳来源成见，同样有效。对做导购、推荐、文献筛选类 agent 的团队，这篇论文给的操作建议是把来源字段当一等公民来审计，必要时主动脱敏或加权对冲。页面未见代码链接。

一句话总结

agent 的公平性不只关乎敏感属性，连品牌与出处都会成为隐形的手。用户以为自己在按条件筛选，实际上模型的成见可能已经先投了一票。