研究框架评估语言模型的社会行为倾向

谷歌研究团队提出系统评估框架，把既有行为测量转为大规模情境判断测试，用于观察语言模型在社会语境中的回…

谷歌研究团队提出系统评估框架，把既有行为测量转为大规模情境判断测试，用于观察语言模型在社会语境中的回答倾向，比较其与人类群体判断之间的接近程度及偏差。

研究关注同理心、表达主动性等行为维度，尝试超出简单问答准确率来描绘模型表现。作者将其视为理解模型行为与对齐的早期工作，强调通过可测量的场景观察，而非直接赋予模型人类心理。