AI 的收敛性伦理？基于多框架方法分析大型语言模型中的道德基础优先级

随着大型语言模型（LLM）在结果决策情境中日益部署，系统性评估其伦理推理能力已成为关键 imperative。本文引入了优先级推理与内在道德评估框架（Priorities in Reasoning and Intrinsic Moral Evaluation, PRIME）——一种综合性方法，用于分析跨基础伦理维度的道德优先级，包括后果主义-义务论推理、道德基础理论及 Kohlberg 发展阶段理论。我们通过结合直接提问和响应分析既定道德困境的双协议方法，将该框架应用于六大主流 LLM。我们的分析揭示了显著的收敛模式：所有被评估模型均显示出对关怀/伤害和公平/作弊基础的强烈优先级，而持续低估权威、忠诚和神圣等维度。通过细致考察置信度指标、响应犹豫模式及推理一致性，我们确立当代 LLM（1）作出明确伦理判断，（2）在道德决策中表现出显著的跨模型一致性，（3）通常符合实证确定的人类道德偏好。这项研究贡献了一种可扩展的伦理基准方法，同时凸显当前 AI 伦理推理架构的潜在能力与系统性局限——这些见解对负责任地发展日益重要的 AI 系统具有关键意义。