GAIN：面向不完美规范下的大语言模型目标对齐决策基准
计算与语言
2026-03-20 v1
摘要
我们提出GAIN（Goal-Aligned Decision-Making under Imperfect Norms，意为不完美规范下的目标对齐决策），一个用于评估大语言模型（LLM）在权衡规范遵从与商业目标之间取舍的基准测试。现有基准测试通常聚焦于抽象情境，而非真实商业场景；且提供的洞察有限，难以衡量模型在应对复杂现实规范-目标冲突时的适应性。在GAIN中，模型接收到目标、具体情境、规范及额外背景压力。这些压力被刻意设计以鼓励潜在的规范偏离，作为区别于其他基准测试的独特特征，使其能够系统性地评估影响决策的因素。我们定义了五类压力：目标对齐、风险规避、情感/伦理诉求、社会/权威影响及个人激励。该基准包含1200个跨四个领域（招聘、客服、广告及金融）的场景。我们的实验表明，先进的LLM常常模仿人类的决策模式。然而，在存在个人激励压力时，模型会显著偏离人类决策，表现出强烈倾向于遵守规范而非违背规范。
引用
@article{arxiv.2603.18469,
title = {GAIN: A Benchmark for Goal-Aligned Decision-Making of Large Language Models under Imperfect Norms},
author = {Masayuki Kawarada and Kodai Watanabe and Soichiro Murakami},
journal= {arXiv preprint arXiv:2603.18469},
year = {2026}
}
备注
We are working towards releasing the code in April 2026