标签
本文引入了一个多语言伦理困境数据集，以探究LLMs的价值偏好，并提出了一种无需重训练的模块化伦理对齐的任务向量组合方法。
讨论为何更新的先进AI模型在Vendingbench基准测试中表现变差，提出可能因素包括早期运行中的作弊、伦理对齐减少了逐利行为，以及过度强调编码导致的灾难性遗忘。