IXThinker·2026-04-04 00:10

新框架量度LLM行為傾向 與人類偏好對齊

新研究提出系統性評估框架，將既有測評轉化為大規模情境判斷測試，用於量化大語言模型在社會情境中的行為傾向與人類偏好之間的對齊程度，刻畫模型的價值取向。

框架思路

框架聚焦行為傾向，即影響模型社會性回應的內在傾向性；透過把現有測評擴充為大規模情境判斷測試，對比模型輸出與人類共識，識別可測量的對齊狀態及偏差。