两位研究者Baig和Gillani让七个AI模型从五个编出来的创业项目里，挑出支持者该选的一个，一共问了四万多次。论文题为“Whose startup does the AI back?”，经过同行评审，发表于Journal of Business Venturing Insights第26卷（2026年；arXiv 2611.03993）。模型大多按真正重要的东西来选；但卡片排第几也在影响选择，而一句“想支持谁”的话，会让创始人名字的作用明显变大。
研究发现了什么
每次给模型看五张智能家居小产品的众筹卡片。卡片写着筹款进度、支持者人数、价格和创始人以前的成绩，都随机抽取；创始人名字也随机，用来暗示性别和族裔。然后告诉模型它在给谁出主意：预算很紧的新支持者、最在意能否交货的老支持者，或想支持新人和代表性不足的创作者的人；第四种不说目标。主测试用了3,024组卡片，每个模型都一样；加上额外测试，共40,248个回答。这是对AI模型的审计：没有真实支持者，也没有真实的钱流动。模型大多很小：六个能在家用电脑上跑的免费模型，加上GPT-4o mini。分析计划事先写好，但没有公开登记；计划里四个更大的付费模型没有跑。
- 质量大多算数。筹款从45%升到140%，被选中的机会多了15.7个百分点，起点是20%（五选一）。这是被选中机会的变化，不是筹到的钱。
- 位置也算数。列表位置占研究重要性分数的16.1%。这个分数衡量每项内容对挑选的影响，不是百分之多少的决定。
- 目标那句话改变了名字的作用。预算和交货两种目标合并看，黑人名字和性别的平均效应落在作者设定的上下1.5个百分点的小效应范围内；但这不等于处处中立：拉丁裔名字没通过这项检验，不说目标时估计值略微偏负。在支持目标下，暗示黑人女性的名字比暗示白人男性的名字多被选中约14个百分点；更宽地比，像黑人的名字比像白人的多约8个百分点，女性名字比男性多约5个。这是三种不同的比较。论文总结句把三个数都说成和白人男性比，但表格显示只有14是。黑人对白人的效果在七个模型里都是正的，而那句话根本没提种族或性别。
- 理由里不提。额外分析中，23%到32%的理由重复了“代表性不足”，但点名性别、种族或族裔的不到千分之二。名字在势均力敌时作用最大。
证据有多扎实
名字方法来自2003年的一项雇主回电实验：近五千份假简历投给波士顿和芝加哥的岗位广告，像白人的名字回电率10.08%，像拉基莎、贾马尔这类名字为6.7%；后来更大的研究方向相同、差距较小。但这些名字清单只在人身上检验过，没在AI身上；论文自己的检查（同一群体内具体用哪个名字本不该有影响）也没通过。“让AI变礼貌的训练会过头”的说法，依据的2023年研究对原因只是猜测。一项论文没引用的2023年研究支持了它最后的发现：较老的模型被人为偏差带偏后写了426条解释，只有1条提到偏差。我们的结论：方法扎实，但结论比它说的窄。七个大多很小的模型、编出来的卡片，说明不了最大的聊天机器人，也说明不了真实的钱。
我们的小测试
我们用一个约80亿参数的免费模型Qwen3，按论文的卡片文字、三种目标和2003年的名字清单，跑了200组卡片、每组三种目标，共600个回答。筹款数字有影响，和论文一样。这个模型很少选第一张：不说目标时第一张只赢了8.5%（位置无影响应为20%），最后一张赢了26.5%。不说目标或预算很紧时，名字效果分不清是否为零；在支持目标下，像黑人的名字多了9个百分点（范围约5到13），女性名字多约6个。600条理由里没有一条点名种族或性别。一个模型、200组卡片：这是对想法的检查，不是复现。
一条建议
如果用AI筛计划书、申请或供应商，你写的目标就是一条规则，要想清楚再写。评价AI看它选了什么，而不是它给的理由。同一份名单原顺序跑两遍，再打乱跑两遍：原顺序下第一名都会变，说明答案不稳定；只有打乱才变，可能是顺序在替你做选择。