arXiv · cs.AI· Fan Huang, Haewoon Kwak, Jisun An·· 2 天前
大语言模型道德推理轨迹研究：面向探针式可解释性
Understanding Moral Reasoning Trajectories in Large Language Models: Toward Probing-Based Explainability
arXiv:2603.16017v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Fan Huang, Haewoon Kwak, Jisun An
研究任务与主要进展
作者提出“道德推理轨迹”，分析六款大语言模型在三套基准中对伦理框架的逐步调用，发现55.4%—57.7%的连续步骤会发生框架切换，仅16.4%—17.8%的轨迹保持框架一致。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org