本文探讨了义务论与效益论的对立与结合。义务论强调道德原则和个体尊严，康德提出三大道德律令；效益论关注行为结果，追求最大幸福。两者各有优缺点，结合使用可实现更合理的道德决策。

该研究评估了大型语言模型在自动驾驶系统中的道德决策能力，发现超过100亿参数的模型与人类偏好一致，但更新模型不一定提高一致性，强调在设计时需权衡判断质量与计算效率。

本研究探讨了语言模型在伦理模糊情境中与人类判断的不匹配，指出现有模型的局限性。通过精细调优，模型在复杂道德决策中的理解能力显著提升，更好地对齐人类判断，强调了研究伦理推理技术的必要性。

本文探讨了道德机器的构建，分析了后果主义、义务论和德性伦理学等道德理论的复杂性，提出了道德可处理性理论（MTT）。研究讨论了人工智能在道德决策中的作用及潜在风险，指出AI在某些方面的道德推理优于人类，强调对生成语言模型的道德指导保护的必要性。

本文研究机器伦理学中的德性伦理学，提出道德品德的计算方法，应用于人工智能代理。通过角色扮演游戏培养道德美德，增强自主系统的道德决策能力，并探讨伦理原则在机器人行动计划中的应用，建议加强行业监管和法律规范。

本文探讨了大型语言模型（LLMs）在对齐和道德决策中的挑战，强调人类反馈的重要性。研究发现，专有模型倾向于功利主义，而开源模型更符合价值伦理。GreedLlama案例表明，模型在道德决策中偏向利润，呼吁在AI开发中整合更广泛的道德价值。研究还提出了评估LLMs可信度的关键维度，并建议在应用中考虑道德因素，以确保符合人类意图。

本研究使用 Moral Machine 框架比较了几个 LML 的道德决策倾向与人类偏好，发现 PaLM 2 和 Llama 2 存在明显差异，LML 更倾向于更坚决的决策。这些发现揭示了 LML 的道德框架和对自动驾驶的潜在影响。

本研究使用 Moral Machine 框架比较了 LML 和人类的道德决策倾向，发现 PaLM 2 和 Llama 2 存在明显差异，LML 更倾向于坚决的决策。这些发现揭示了 LML 的道德框架和对自动驾驶的潜在影响。

本研究使用 Moral Machine 框架比较了几个 LML 的道德决策倾向和人类偏好，发现 PaLM 2 和 Llama 2 存在明显差异，LML 更倾向于坚决的决策。这些发现揭示了 LML 的道德框架和对自动驾驶的潜在影响。