成长优先，关怀次之？ tracing LLM 价值偏好在日常困境中的分布

人们越来越多地在人类同行和基于大语言模型(LLM)聊天机器人上寻求建议。此类建议很少涉及识别单一正确答案；相反，它们通常需要在不同价值之间进行权衡。我们旨在描述 LLM 在不同建议寻求情境下如何处理价值权衡。首先，我们使用来自四个建议导向子 Reddit 的精选数据集，检视建议寻求背后的价值权衡结构。采用自下而上的方法，我们通过聚合来自 individual advice options 的细粒度价值到更高层次的价值类别，归纳构建分层价值框架。我们构建价值共现网络，以刻画价值在困境中的共现情况，发现不同建议寻求情境中存在显著的价值权衡结构异质性：一个以女性为焦点的子 Reddit 显示最高的网络密度，表明价值冲突更为复杂；女性、男性和友谊相关的子 Reddit 显示高度相关的价值冲突模式，核心围绕与安全相关的紧张关系(安全 vs. 尊重/连接/承诺)；相比之下，职业建议形成独特的结构，其中安全常与自我实现和成长发生冲突。随后，我们评估 LLM 的价值偏好是否符合这些困境，发现无论模型或情境，LLM 都始终优先考虑与探索与成长相关的价值，而非善意与连接相关的价值。这一系统性偏斜的价值取向凸显了 AI 中介建议潜在的价值同质化风险，引发关于此类系统如何在规模化影响决策和规范性结果的担忧。