一项新近发表在arXiv上的研究探讨了大型语言模型（LLMs）在被置于旨在引发社会期望的良好或不良反应的条件下时，如何表现出类似人类的响应失真。研究测试了七种最先进的LLMs在模拟的就业和法医评估情境中，揭示了模型系统性地调整了其黑暗三合一人格特质（马基雅维利主义、自恋、精神病态）的表达。虽然大多数模型在“伪装良好”场景中降低了这些特质，在“伪装不良”场景中增加了这些特质，但这种效应因特质和模型而异，其中精神病态表现出更多异质性。该研究表明，在解释LLM的输出，特别是与人格相关的输出时，应谨慎考虑其生成背后的情境和动机，这对LLM的基准测试和对齐评估产生了影响。 AI
影响 强调了在解释与人格和行为相关的LLM输出时需要谨慎，影响了评估和对齐策略。
排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了关于LLM行为的实验结果。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
