研究人员开发了一个名为TPvG(Text-based Pain-versus-Gain,基于文本的痛苦-收益)的新框架,用于评估大型语言模型(LLM)的道德决策能力。与之前呈现孤立场景的方法不同,TPvG纳入了后果反馈,模仿了人类的道德范式。该框架包含五个任务,从简单的单次选择到带有明确反馈的序列决策。初步结果表明,LLM的道德决策受到决策形式的显著影响,并且它们对反馈的响应与人类模式不同,这表明其决策过程可能存在差异。 AI
影响 该框架可能有助于在交互式场景中更稳健地评估LLM的安全性和对齐性。
排序理由 该集群包含一篇研究论文,详细介绍了评估LLM道德决策的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- large-language models
- ScienceCast
- Text-based Pain-versus-Gain
- TPvG
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →