Hacker News上的一篇讨论围绕着使用大型语言模型（LLM）作为软件测试中无偏见预言机的想法展开。原帖建议，在用于测试生成时，LLM可以通过外部评估代码来提供无偏见的视角。 然而，评论者强烈批评了LLM无偏见的观点，指出训练数据、系统提示甚至用户提示都会导致偏差。他们认为，LLM与人类一样，本质上是有偏见的，并且容易出错，尤其是在数学等领域。有人认为，LLM之所以可能比人类“ less biased（更少偏差）”，仅仅是因为它们训练于更大、更少个性化的数据集上。 原帖作者澄清了自己的论点，指出他们使用“unbiased（无偏见）”指的是黑盒测试的语境，其中LLM在不知道代码内部实现的情况下评估代码，这可能会揭示盲点。这是一种潜在的软件评审和规模化测试方法。人们仍然担心LLM生成的测试的可信度，以及人工审查这些测试是否更有效率。