arXiv · cs.AI· Orion Reblitz-Richardson·· 1 天前
大语言模型如何组织并结构化道德知识
How Language Models Organize and Structure Moral Knowledge
arXiv:2608.27402v2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：Orion Reblitz-Richardson
研究任务与主要进展
研究训练六个独立线性探针分析开放权重语言模型如何表征道德基础，发现相关方向既未合并为单一道德探测器，也未彼此隔离，而是占据接近最大数量的独立维度并共享一个共同成分。匹配的非道德概念平均两两余弦相似度为0.013，对比道德概念为0.26；在道德困境中，困境方向可由基础成分部分组合而成，达到错配基线的2.7倍，但多数方差编码冲突特定结构。
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