/
行为评估 关键字列表
评估大语言模型行为倾向对齐性的系统框架
本研究提出了一套系统性评估框架，将心理学问卷转化为大规模情境判断测试，用于评估大语言模型的行为倾向。通过对25个模型的分析发现，小型模型在人类共识场景中对齐率较低，大型模型虽有改善但仍存在过度自信问题。研究还发现模型自我报告与实际行为表现存在显著差异，为未来模型行为对齐研究提供了重要基础。
白皮书
/
本研究提出了一套系统性评估框架，将心理学问卷转化为大规模情境判断测试，用于评估大语言模型的行为倾向。通过对25个模型的分析发现，小型模型在人类共识场景中对齐率较低，大型模型虽有改善但仍存在过度自信问题。研究还发现模型自我报告与实际行为表现存在显著差异，为未来模型行为对齐研究提供了重要基础。
北京第二十六维信息技术有限公司（至顶网）版权所有. 京ICP备15039648号-7
京ICP证161336号
京公网安备 11010802021500号
举报电话：010-62641205-5060 涉未成年人举报专线：010-62641208 举报邮箱：jubao@zhiding.cn
网上有害信息举报专区：https://www.12377.cn
