RAIL 在野外：使用 Anthropic 的价值数据实施负责任 AI 评估
地球与行星天体物理
2025-05-02 v1 太阳与恒星天体物理
摘要
随着 AI 系统嵌入实际应用，确保其符合伦理标准至关重要。虽然现有 AI 伦理框架强调公平性、透明性和可解释性，但往往缺乏可操作的评估方法。本文引入一种系统方法，利用负责任 AI 实验室(RAIL) 框架，其中包括八个可衡量的维度，用于评估大型语言模型(LLM)的规范行为。我们将其应用于 Anthropic 的“Values in the Wild”数据集，该数据集包含超过 308,000 条来自 Claude 的匿名对话以及超过 3,000 条标注的价值表达。我们的研究将这些价值映射到 RAIL 维度，计算合成分数，并提供关于 LLM 在实际应用中伦理行为的见解。
引用
@article{arxiv.2505.00187,
title = {Reduced solar quadrupole moment compensates for lack of asteroids in long-term solar system integrations},
author = {Richard E. Zeebe and Ilja J. Kocken},
journal= {arXiv preprint arXiv:2505.00187},
year = {2025}
}
备注
Final Accepted Version, The Astronomical Journal