Aligning Large Language Model Agents with Rational and Moral Preferences: A Supervised Fine-Tuning Approach
创建于 更新于
摘要
本文提出了一种基于结构化经济偏好的大语言模型（LLM）智能体监督微调方法，实现智能体在博弈等战略情境中行为的理性及道德偏好对齐。通过两个典型偏好结构——自利的homo economicus和兼顾康德普遍化原则的homo moralis，合成数据集指导微调，显著改变LLM决策行为。应用验证包括自动驾驶道德困境与算法定价博弈，揭示不同对齐目标对个体及市场结果的深远影响，推动了LLM智能体的经济与道德价值对齐研究[page::0][page::2][page::5][page::16][page::23][page::24][page::29]
