标签 > 30个测试块反转26个，大模型的道德价值观全靠平均数硬凑

这项针对大模型道德判断的对照实验发现，在 30 组成对的道德测试样本里，有 26 组只要微调提问语序、调换选项顺序，模型给出的道德判断