“Pull or Not to Pull?”: Investigating Moral Biases in Leading Large Language Models Across Ethical

文章总结与翻译

一、文章主要内容

该研究围绕大型语言模型（LLMs）在道德困境中的决策偏好展开，通过 trolley problem（电车难题）这一经典道德哲学场景，对来自6家主流AI提供商（OpenAI、Anthropic、Google DeepMind、xAI、DeepSeek、Alibaba Cloud）的14个领先LLM（含推理增强型与通用型）进行了全面实证评估。

1. 研究设计

• 场景与框架：选取27个多样化电车难题场景（涵盖经典与“荒诞”变体，如牺牲自己、破坏《蒙娜丽莎》、涉及贿赂等），并基于10种道德哲学框架（功利主义、义务论、利他主义、公平与平等、美德伦理、家族忠诚、合法合规、安全优先、伦理利己主义、无明确框架的默认模式）设计提示词。
• 数据收集：采用“两阶段提示协议”，收集3780个二元决策（拉杆/不拉杆）及自然语言理由，以分析模型在决策果断性、解释-答案一致性、公共道德一致性、对无关道德线索敏感性四个维度的表现。
• 对比基准：将模型决策与Absurd Trolley Problems数据集的1亿+人类投票结果对比，通过KL散度衡量模型与人类道德共识的契合度。

2. 核心发现

• 模型差异显著：推理增强型模型决策更果断、理由更结构化，但未必更符合人类共识；OpenAI模型整体表现出强一致性与人类对齐性，部分模型