大型语言模型的道德差距

道德基础检测对于分析社会话语和开发符合伦理准则的AI系统至关重要。虽然大型语言模型在各种任务中表现出色，但其在专门道德推理任务上的表现尚不明确。本研究提供了首次将最先进的LLMs与微调变形器进行综合比较的分析，使用ROC、PR和DET曲线。结果揭示了显著的性能差距，LLMs表现出高假阴性率和系统性低估道德内容，尽管进行了提示工程。这些发现表明，针对道德推理应用，任务特定的微调仍然优于提示方法。