Moral Trolley Arena

新基准测试大语言模型构成道德判断的能力

研究人员开发了一个名为“道德电车竞技场”（Moral Trolley Arena）的新基准，用于评估大语言模型如何构成道德判断。该基准超越了对孤立行为的简单偏好排序，评估模型在单一场景中结合多个道德信号的能力。研究对十个前沿模型进行了分析，发现复合道德判断在很大程度上可以由个体行为的强度预测，但并非简单相加，而是被持续压缩，这表明大语言模型存在复杂的道德推理过程。