⌘ K
… 读取采集状态 同步中...
雷
原文
Google Research·· 2026-04-03AI 评分35

Google Research 提出评估 LLM 行为倾向对齐的框架

Evaluating alignment of behavioral dispositions in LLMs

AI 导读

Google Research 发布评估大语言模型行为倾向与人类对齐的框架,通过情境判断测试(SJT)在现实场景中进行验证。对 25 个 LLM 的分析发现,小于 120B 的小模型及前沿闭源模型在人类一致偏好场景下的方向性对齐率接近完美,但在低共识场景下停滞于 80% 左右。研究发现模型在职业冷静、冲突解决等场景中常偏离人类偏好,如过度鼓励情绪表达或忽视逻辑验证。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:Google Research · research.google