常识与道德：大语言模型中叙事焦点偏差的奇特案例

随着大语言模型在现实应用中的广泛部署，确保其兼具道德根基与常识认知至关重要。本文揭示了当前模型的一个关键局限：倾向于优先进行道德推理而忽视常识理解。为此，我们提出了 CoMoral，一个嵌入道德困境中常识矛盾的新型基准数据集。通过对十种不同规模模型的评估，发现现有模型若无先验信号难以识别此类矛盾。此外，研究观察到普遍的“叙事焦点偏差”，即当矛盾归于次要角色而非主要叙述者时，模型更易察觉。分析强调了需加强推理感知训练以提升模型的常识鲁棒性。