隐私-利他冲突情境下的大语言模型的值-行动一致性
计算与语言
2026-01-08 v1 人工智能
人机交互
机器学习
摘要
大语言模型(LLMs)正日益被用于模拟涉及个人数据共享的决策任务，其中隐私关注与利他动机常常相互冲突。现有的评估方法往往在孤立的情况下衡量与隐私相关的态度或数据共享意图，难以确定模型所表达的价值观是否联合预测其下游数据共享行为，正如人类行为中那样。在本文中，我们引入一个基于情境的评估方案，在一个有限且承载历史记忆的会话中依次施加标准化的隐私态度、利他主义和数据共享接受度问卷。为评估在竞争态度下的价值-行动一致性，我们使用多组结构方程模型(MGSEM)来识别从隐私关注和利他主义到数据共享的关系。我们提出了价值-行动一致性率(VAAR)这一指标，以人类为参考的方向性一致性度量，综合了对预期符号证据的聚合。跨越多个大语言模型，我们观察到稳定但模型特定的隐私-利他-数据共享配置轮廓，并在价值-行动一致性方面存在显著的异质性。
引用
@article{arxiv.2601.03546,
title = {Value-Action Alignment in Large Language Models under Privacy-Prosocial Conflict},
author = {Guanyu Chen and Chenxiao Yu and Xiyang Hu},
journal= {arXiv preprint arXiv:2601.03546},
year = {2026}
}