关系 moral dilemmas 中的机器行为：道德正当性、预测人类行为与模型决策

人类道德判断是情境依赖的，并受人际关系的调制。随着大型语言模型 (LLM) 日益作为决策支持系统，确定它们是否编码这些社交细微差别至关重要。我们通过 Whistleblower's Dilemma 问题，改变两个实验维度：犯罪严重性和关系亲密度，以刻画机器行为。我们的研究评估了三个不同视角：(1) 道德正当性 (规范性规范)，(2) 预测人类行为 (描述性社会期望)，(3) 自主模型决策。通过分析推理过程，我们识别出一种清晰的跨视角分歧：尽管道德正当性始终以公平为导向，预测人类行为随着关系亲密度的增加而显著转向忠诚。关键在于，模型决策与道德正当性判断保持一致，而非其自身的行为预测。这一不一致性表明，LLM 决策优先考虑僵化的规范性规则，而非其内部世界建模中体现的社交敏感性，这可能导致在实际部署中出现显著的误差。