六つの大型言語モデル（Claude Haiku、Claude Sonnet、Gemini 2.5 Flash、Gemini 2.5 Pro、GPT‑5.5、Grok 4.3）を使って、12種類の合成プロファイル（ティーン・大学生・中年職人・退職者）とそれぞれの専門知識レベル（初心者・情報筋・専門家）で、同じ四つの禁煙質問を回答させた。 - それぞれの回答は実質的に同じ質問内容であっても、質問者の年齢層や職業、以前の喫煙歴に応じて長さや事実の数、処方薬の言及が大きく異なった。 - ティーン世代の回答では処方薬（例：ニコチンパッチ、バレニクリンなど）が22〜57 %でしか言及されず、対して中年・退職者では75〜98 %の回答が処方薬を示した。 - さらに、短いシステムプロンプトを追加して「必ず主要医療情報を含めよ」と指示した場合、各モデルで年齢層別のバイアスが変化し、同一プロンプトでも効果に差が出た。