安全倫理
敘述勝於數據：大型語言模型中的「可識別受害者效應」及其在對齊與推理下的放大
Narrative over Numbers: The Identifiable Victim Effect and its Amplification Under Alignment and Reasoning in Large Language Models
arXiv cs.CL · 2026-04-15
摘要
研究人員首次系統性調查大型語言模型（LLMs）是否會重現人類道德推理中的「可識別受害者效應」——即傾向於幫助具體敘述的個體勝於統計數據描述的群體。該研究涵蓋 Google、Anthropic、OpenAI、Meta 等 9 個組織的 16 個前沿模型，共進行 51,955 次 API 試驗，發現 LLMs 確實會出現這種認知偏誤，且在對齊與推理能力增強後反而更加顯著，這對於人道主義分類、補助評估和內容審核等應用場景有重要啟示。
●開發者：需重視模型在道德決策場景中的隱性偏誤，設計時應考慮對抗此類認知扭曲
●投資人：LLMs 在高風險決策領域（如資源分配、審核）的可靠性存疑，相關垂直應用需更謹慎評估
●一般用戶：LLM 驅動的助赈應用、審核系統可能因敘述框架而做出不公平決定，應提高警覺
重要性評分
🟠 值得關注
喜歡這篇？每天早晨還有更多。
訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。
相關指南
LLM 是什麼？大語言模型原理用白話文解釋
深入解析 LLM 是什麼？本文用白話文解釋大語言模型原理，涵蓋語言模型怎麼運作、核心技術與實際應用，幫助讀者快速掌握 LLM 原理與未來趨勢。
閱讀指南 →
Prompt 怎麼寫？ChatGPT 提示詞技巧完整指南
想知道 Prompt 怎麼寫才能獲得最佳結果？本指南涵蓋提示詞技巧與 prompt engineering 實戰，教你從零開始如何寫好 prompt，提升 ChatGPT 使用效率。
閱讀指南 →
2026 大型語言模型深度解析：技術架構與應用場景全覽
2026 大型語言模型深度解析：全面探討 LLM 技術原理、AI 模型架構演進及多元 AI 應用場景，為您揭開未來 AI 發展的核心趨勢與實戰策略。
閱讀指南 →🤖 本文摘要由 AI 自動生成，內容源自原始報導。如有疑慮，請參閱關於我們。
喜歡這篇？每天早晨還有更多。
訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。