arXiv Artificial Intelligence· Ali Dasdan, Manan Shah, W. Russell Neuman, Chad Coleman, Kund Meghani, Safinah Ali·2026-10-20 12:00· 3 小时前AI 评分31

LLaMA 3.1-8B-Instruct 的框架条件道德计算：伦理推理的探索性机制可解释性审计

Frame-Conditioned Moral Computation in LLaMA 3.1-8B-Instruct: An Exploratory Mechanistic Interpretability Audit of Ethical Reasoning

AI 导读

研究用 Transluce 平台分析 Llama 3.1-8B-Instruct 在 54 条道德提示词上的内部活动，覆盖困境、政策、元伦理、角色扮演与电车对比四组任务。