本研究提出了SOLAR框架，以解决大规模语言模型在个体主观性建模中的不足。该框架通过分析用户生成文本中的价值冲突和权衡，显著提升了推断结果和处理争议情境的能力，并解释了个体的价值偏好。

本研究提出了道德基础LLM数据集（MFD-LLM），旨在探讨大型语言模型的隐性偏见和道德倾向。评估结果显示，顶尖模型在价值偏好上存在显著同质性，但缺乏一致性，为未来的优化提供了启示。