从指令到内在人类价值观 —— 大型模型目标同步调查

本研究介绍了对大型语言模型（LLM）值得信赖性进行评估时需要考虑的关键维度，包括可靠性、安全性、公平性、抵抗滥用性、可解释性和推理性、遵守社会规范以及鲁棒性。研究发现更符合人类意图的模型在整体可信度方面表现更好，但对不同可信度类别的影响程度不同。研究旨在为从业人员提供见解和指导，实现可靠和符合伦理的LLM部署。