yes-no-bias

本文介绍了一种心理测量工具，用于将语言模型的框架伪影与真实的道德判断区分开来。研究发现，前沿模型具有一致的内在道德尺度，但表现出的是/否偏差纯粹是答案顺序和措辞的表层伪影，而非真正的拒绝倾向。