跳到正文
arXiv · AI· Davide Liga, Liuwen Yu, Matteo Magnini·· 2 天前AI 评分28

大语言模型中道德判断机制研究:区分道德电路与道德特征

Disambiguating Moral Circuits and Moral Features in Language Models: Moral content, normative judgment or cue words? Evidence from 14 models

AI 导读

研究揭示在14个开源大语言模型中,改变道德判断结果的注意力头属于通用规范评估电路,而非特定于道德内容的道德特征。该电路在所有测试的规范判断类型中均发挥同等作用。

来源:arXiv · AI · arxiv.org