arXiv · NLP· Shangrui Nie, Florian Mai, David Kacz\'er, Charles Welch, Zhixue Zhao, Lucie Flek·2026-10-22 12:00· 16 小时前AI 评分33

从价值观条件到行为转变：LLM 的轻量化价值观对齐

From Value Conditioning to Behavioral Shift: Lightweight Value Alignment of LLMs

AI 导读

研究通过微调开源 LLM 的价值观问卷回答，实现了模型输出的轻量化价值观对齐。该方法仅需选择性改变目标价值观的评分，即可在保留其他基线响应的情况下，改变模型在留出问卷及Reddit AITA道德判断等下游任务中的行为分布。结果表明，该监督信号的有效性强烈依赖于具体模型与价值观描述框架。

来源：arXiv · NLP · arxiv.org