区分输入语言与推理语言：大语言模型跨语言道德对齐的诊断框架
Untangling Input Language from Reasoning Language: A Diagnostic Framework for Cross-Lingual Moral Alignment in LLMs
AI 导读
论文提出一套诊断框架，分别操纵道德困境的输入语言与模型的推理语言，在13个大语言模型上分析英中跨语言道德判断差异。该框架把标准评测中只测试匹配条件（如英文困境配英文推理）扩展到不匹配条件，并按道德基础理论解释判断内容的变化。结果显示，推理语言造成的方差约为输入语言的两倍，标准评测漏掉了近半数模型的情境依赖性。作者据此给出面向部署的诊断分类，并公开代码与数据集。