常识与道德：LLM 叙事聚焦偏差的奇特案例
计算与语言
2026-03-11 v1 人工智能
摘要
大型语言模型（LLM）正在跨越 diverse 实际应用场景和用户社区。为确保这些模型在实际应用中保持道德 grounding 与 knowledge-aware，本 work 揭示了当前 LLM 的 critical 限制——其倾向于优先进行道德推理而非常识推理。为探究此现象，本文引入 CoMoral，一个包含 within moral dilemmas 中嵌入常识矛盾的 novel benchmark 数据集。通过对十个不同模型规模的 LLM进行 extensive 评估，我们发现现有模型在无 prior signal 时持续 struggle to识别此类矛盾。此外，我们观察到一种 pervasive 叙事聚焦偏差，即 LLM 更容易检测到来自 secondary character 而非 primary (叙述者) character 的常识矛盾。我们的 comprehensive 分析强调了加强 reasoning-aware training 以提升大语言模型常识 robust 性的必要性。
引用
@article{arxiv.2603.09434,
title = {Common Sense vs. Morality: The Curious Case of Narrative Focus Bias in LLMs},
author = {Saugata Purkayastha and Pranav Kushare and Pragya Paramita Pal and Sukannya Purkayastha},
journal= {arXiv preprint arXiv:2603.09434},
year = {2026}
}
备注
Accepted at LREC 2026