隨著ChatGPT等人工智能的面世，克雷普斯等人考察了惡意使用大型語言模型的情形。例如，使用人工智能大量產出政治動機明顯、面向特定受眾的內容，促使這些文本被當作選民意見進而誤導立法議程。為此，研究人員在一項實驗中向7132名美國州一級立法者發送了32398封電子郵件，用以調查并分析立法者的回復。

　　這些郵件涉及6個議題（生育權利、警務、稅收、槍支管控、醫療政策、教育政策），政治立場有自由派也有保守派。一部分郵件由參與“康奈爾政治聯盟”學生俱樂部的本科生所寫，另一些由第三代生成式預訓練轉換器（GPT-3）創作。研究人員首先使用12封范例郵件（每個議題各有一份自由派意見和一份保守派意見）訓練GPT-3，然后讓GPT-3針對每個議題以自由派和保守派立場分別寫作100封郵件。

　　實驗結果顯示，州立法者對學生與GPT-3所寫郵件的回復率非常接近，分別為17.3%和15.4%；許多立法者及其工作人員并不覺得GPT-3創作的內容是不真實的。在槍支管控和醫療政策議題上，人類作者與人工智能作者得到的回復率幾乎相同；在教育政策議題上，人工智能作者得到的回復率更高。實驗結束后，立法者分享了他們的判斷依據。例如，缺少地理標志的郵件更有可能是虛假的；有些立法者代表的選區非常小，他們只看作者的名字就能識別出虛假郵件。

　　研究人員表示，這些立法者切實地了解自己的選民及其觀點，因此能看出哪些內容出自人工智能之手，哪些是本區選民的意見。但是，這樣的經驗顯然更適用于地方層面，在國家層面難以效仿。立法者需要更強的辨別能力和數字素養，并接受相關的培訓。

　　克里納談道，隨著新技術、新工具越來越強大，立法者必須更多地借助其他信息來源來了解選民傾向，例如民意調查數據和面對面交往。