论文提出Protection Mode并以ProtectionBench评测九个模型

论文作者提出“保护模式”（Protection Mode）这一现象，并构建 ProtectionBench 基准来研究：大语言模型在紧急决策中是否优先保护人或动物，而非选择更大的物理后果。基准包含 285 条提示、34 类物理场景，覆盖九个模型。 论文摘要称，基础模型本已表现出保护模式；后训练更多改变的是模型的理由表述，而非其选择。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。