English(EN) Human-like moral judgments conceal divergent motive attributions in large language models

大语言模型模仿人类道德判断，但在动机归因上存在分歧

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

发表在arXiv上的一项新研究表明，大语言模型（LLMs）可以模仿人类的道德判断，但无法复制其潜在的动机归因。尽管LLMs正确地将告密者的道德品质排名与人类参与者相似，但它们将不同的动机归因于告密者，认为他们更有帮助且不那么自私。这种动机归因的分歧，即使在LLMs复制了类人平均评分的情况下，也凸显了除了简单的同意之外，还需要更细致的验证方法，以确保LLMs作为心理学研究中的模拟参与者的可靠性。 AI

影响强调了在研究中对LLMs进行高级验证的必要性，超越简单的同意，以确保其在模拟人类反应方面的可靠性。

排序理由在arXiv上发表的学术论文，详细介绍了LLM的能力。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的学术论文，详细介绍了LLM的能力。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xiaoyan Wu, Jean-Claude Dreher · 2026-09-10 04:00

大型语言模型中类似人类的道德判断隐藏着不同的动机归因

arXiv:2609.07353v1 Announce Type: new Abstract: Large language models (LLMs) are used to simulate human participants in psychological research. We asked whether LLMs that reproduce human evaluations of a whistleblower's moral character also reproduce the motive attributions that …

本文如何被排名

报道来源 [1]

大型语言模型中类似人类的道德判断隐藏着不同的动机归因

相关实体

相关话题