大型语言模型也会表现出“贝叶斯伪善”

作者:

在

来源: arXiv(预印本)

哈佛大学研究发现,GPT-4o和Claude 3.7 Sonnet在概率推理任务中能像人类一样按贝叶斯规则更新判断,但在评判他人相同推理时却更严苛,表现出与人类相似的“贝叶斯伪善”双重标准。Claude几乎每轮都给假想他人最低公平性评分。该发现对AI参与社会决策具有重要启示。