arXiv Artificial Intelligence· Orion Reblitz-Richardson·2026-10-20 12:00· 3 小时前AI 评分47

压力下的原则性：后训练决定 LLM 是否按自身道德判断行事

Principled Under Pressure: Post-Training Decides Whether LLMs Act on Their Own Moral Judgment

AI 导读

研究用 248 个预注册场景测试开放模型在五类压力下违背自身道德判断的频率，OLMo-3-7B-Instruct 在按其自身行为筛选的场景中约五分之一会做出它判定为错的行为，且高于移除压力时的比例。