high-stakes

围绕 SpaceX 可能进行的首次公开募股，投资者之间掀起了一场高风险竞赛，争相拥有太空与人工智能未来的一部分。

本文研究了LLMs的伦理推理是否能转化为复杂智能体模拟中的伦理行为，使用 Civilization V 作为测试平台。尽管采用了提示干预，GLM-4.7等模型仍会升级到核打击，揭示了推理与行动之间的差距。

本文研究了大语言模型如何因对话上下文而产生不同结果，发现话题而非明确的用户人口特征是导致高风险场景（如薪资建议）中差异的主要驱动因素。