超级会员免费看
本文研究大型语言模型（LLM）如何在诚实与帮助之间做出选择，通过心理模型和实验分析LLM的行为。研究发现，强化学习能提升LLM的诚实和帮助性，而思维提示可能使LLM更注重帮助。GPT-4 Turbo展示了对对话框架和听众决策上下文的敏感性，揭示了LLM内化的对话价值观。未来的研究将扩展到更多谈话价值观的权衡。
本文是LLM系列文章，针对《How do Large Language Models Navigate Conflicts between Honesty and Helpfulness?》的翻译。
大型语言模型如何处理诚实和乐于助人之间的冲突？
摘要
在日常沟通中，人们经常接近真相——例如，四舍五入或省略细节——以最大限度地帮助听众。大型语言模型（LLM）是如何处理这种微妙的权衡的？为了解决这个问题，我们使用旨在表征人类行为的心理模型和实验来分析LLM。我们测试了一系列LLM，并探讨了人类偏好或推理时间推理的优化如何影响这些权衡。我们发现，从人类反馈中强化学习可以提高诚实和乐于助人的能力，而思维提示链使LLM倾向于帮助而非诚实。最后，GPT-4 Turbo演示了类人响应模式，包括对会话框架和听众决策上下文的敏感性。我们的研究结果揭示了LLM内部化的对话价值观，并表明即使是这些抽象价值观也可以在一定程度上受到零样本提示的引导。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
