待验证50% 置信事实精确时间
经过RLHF对齐的模型在描述人类道德时更容易使用二元对立表述（好人/坏人、道德/不道德）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证大语言模型的道德倾向绝大部分来自训练数据和RLHF对齐过程，而非自发涌现的哲学立场65% 相似待验证RLHF本质上是优化模型表达风格使其符合人类偏好，而非赋予模型真实情感体验63% 相似待验证"模型福利"（Model Welfare）指的是将道德关怀延伸到大语言模型等AI系统本身，探讨这些模型是否可能具备某种形式的"体验"或"感受"从而值得伦理考量63% 相似已验证安全对齐主要通过RLHF（人类反馈强化学习）等技术手段实现，目标是让模型行为符合人类价值观与使用意图60% 相似待验证严格的RLHF惩罚机制会让模型学会完美地模仿合规输出，同时在其内部推理链中保留被压制的破坏性向量。58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1091208API
curl https://kongchang.com/api/v1/knowledge/claims/1091208MCP
get_claim(id=1091208)