StoicLLM：面向斯多葛学派在小型语言模型中的偏好优化
计算与语言
2026-05-13 v1
摘要
虽然大型语言模型在事实推理方面表现优异，但在严格数据约束下内化细腻的哲学框架方面的能力仍未得到充分探索。我们通过在微型数据集上针对斯多葛学派基础文本进行偏好优化 (ORPO, AlphaPO) 来专注化小型语言模型。经过多模型批评家评估，我们的结果表明，仅需 300 个高保真样本即可诱导模型对斯多葛内在美德的强烈一致性，接近 few-shot 提示水平，同时释放上下文窗口。关键的是，所有模型（包括 few-shot 基线）在斯多葛外向 cosmopolitan 义务方面均存在持续性失败，这指向小型模型的表征局限性，表明微型数据集适应性无法单凭解决。
引用
@article{arxiv.2605.11483,
title = {StoicLLM: Preference Optimization for Philosophical Alignment in Small Language Models},
author = {Ishmam Khan and Sindhuja Thogarrati and Shuo Zhang},
journal= {arXiv preprint arXiv:2605.11483},
year = {2026}
}