本研究提出A2EHV自动化对齐评估方法,旨在提升大型语言模型的价值合理性。通过社会价值取向框架评估模型,发现其倾向于中性价值。研究探讨了对齐方法的历史、数学本质及优缺点,强调动态偏好的重要性,并提出新的对齐框架以应对人类价值观的多样性和变化。
完成下面两步后,将自动完成登录并继续当前操作。