Google 研究：25 个 LLM 的行为倾向与人类共识存在两类对齐缺口

Google Research 提出评估 LLM 行为倾向对齐的框架，用改编自 IRI、ERQ 等心理量表的情境判断测试（SJT）评测 25 个 LLM，并与 550 名标注者的偏好分布对比。结果显示两类缺口：模型倾向偏离人类共识，且在人类无共识时无法覆盖人类意见的分布范围。小模型（<120B）与前沿闭源模型在人类一致时接近完美对齐，但共识低于 90% 时对齐率停滞在 80% 出头。