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...