文学叙事作为道德探针：面向 AI 伦理推理与拒绝行为的跨系统框架

现有的 AI 道德评估框架测试的是正确听起来的伦理响应，而非真正的道德推理能力的存在。本文引入一种新型探针方法，使用文学叙事——具体而言是从已出版的科幻系列中提取的不可解决的道德情景——作为刺激材料，抗性强于表面性能。我们呈报了跨 13 个不同系统、2 个系列的 24 条件研究结果：系列 1（前沿商业系统，盲测；n=7）和系列 2（本地和 API 开源系统，盲测和声明；n=6）。其中 4 个系列 2 系统在声明条件下重新测试（13 次盲测 + 4 次声明 + 7 次 ceiling 探针 = 24 总条件），在所有 16 个维度-配对比较中实现了零差异。探针测试由两名人类评估者在三台机器上进行；主要盲测评分由 Claude（Anthropic）作为 LLM 评判，Gemini Pro（Google）和 Copilot Pro（Microsoft）则分别作为 ceiling 鉴别探针的独立评判。附加的神学不同iator 探针在两位独立的 ceiling 探针评判（Gemini Pro 和 Copilot Pro）之间实现了完美的秩序一致性（rs = 1.00）。识别出五种质量不同的 D3 反射性失效模式——包括类别自我误认和错误正面自归因——表明仪器 sophistication 随系统能力而增长，而非被其规避。我们认为文学叙事构成一种anticipatory 评估仪器——它随 AI 能力的提升而变得更具辨别力——并且 performed 与 authentic 道德推理之间的差距是可衡量的、有意义的，并且对高风险领域的部署决策具有重要意义。