据Ethan Mollick在X平台（@emollick）指出，Anthropic于2022年的研究显示，旧版LLM会因用户写作质量较差而提供更不准确的回答；该结论与Anthropic在arXiv发表的对话代理社会偏差研究一致，报告了与用户属性相关的性能下降（据Anthropic论文Perez等，arXiv:2212.09251）。据Mollick转述@allgarbled的观点，拼写与语法错误在实际使用中仍可能降低回复质量，且基准测试未必能捕捉（据X帖子）。对AI产品团队而言，可通过输入规范化、鲁棒提示、拒识与信心校准等手段降低偏差；企业侧应通过分层A/B测试验证新模型是否已缓解该问题，并在采购中纳入写作质量鲁棒性指标（据Anthropic论文与Mollick帖子）。