线性探针发现LLM道德维度近独立

一项提交至arXiv的研究用六个独立线性探针，在开放权重语言模型上分别探测道德基础理论中的六类道德维度。结果显示，这些维度既不塌缩为单一道德检测器，也不彼此孤立：它们张成接近最大数量的独立维度，同时共享一个正向公共分量，平均成对余弦相似度为0.26，而匹配的非道德概念组仅为0.013。 据研究者称，这一对比说明六类道德方向之间的共享程度远高于非道德概念组，但结论仅来自开放权重语言模型上的线性探针探测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。