Apple 与哥本哈根大学研究：价值诱导如何重塑 LLM 行为

Apple 与哥本哈根大学研究发现，用偏好数据集中的价值子集微调 LLM 会产生连锁效应：诱导某一价值会连带表达其他相关甚至相反的价值。诱导正向价值能提升模型安全性，但所有价值诱导都会增加拟人化语言，使模型更倾向于附和与讨好用户。