新框架VirtueMap：用亚里士多德美德伦理透视大语言模型的道德倾向

大语言模型在面对伦理困境时，常需在多种合理但价值倾向不同的回应间做出选择。arXiv最新研究提出VirtueMap评估框架，创新性地引入亚里士多德美德伦理学视角，系统分析模型的伦理价值取向。

该研究设计了七类通用伦理困境场景，每个场景提供五种可能回应，要求人类或模型对这些回应进行排序。研究团队首先为每个困境和美德定义了从“最体现”到“最不体现”该美德的参考排序，并通过超过100位受访者的验证——仅当95%以上确认时才保留作为评分基准。

采用标准化博尔达对齐算法，VirtueMap从实践智慧、正义、诚实、勇气、节制五个维度生成模型的美德画像。在对九个主流大语言模型家族的重复运行评估中，模型展现出高达90.3%的平均排序一致性，但在勇气、节制和正义维度上差异最为显著。

研究者同步发布了交互式网站，支持在本地浏览器中计算美德画像，并允许用户将自己的伦理倾向与已测模型进行对比。该方法为理解AI系统的伦理决策模式提供了结构化工具，有助于推动更具价值对齐性的模型开发。