审计LLM管理的社交机器人：基于文化特定道德梯度的研究
一项新研究引入基于梯度的审计框架，评估LLM管理的社交机器人在不同文化背景下的道德权衡行为。研究发现，这些机器人在优先决策中存在文化不对称的梯度追踪失败，西方语言决策的校准质量几乎是中文和日文的两倍，而多数优先的高确定性往往抹去跨文化梯度。该研究呼吁在部署前进行多语言、多元化的审计。
随着大型语言模型（LLM）越来越多地被集成到社交机器人中，这些机器人开始承担现实世界中分配援助顺序的决策。然而，不同文化对年龄、地位和群体规模的优先顺序有着不同的规范。如果缺乏多元化的校准，这些决策可能导致不平等的资源获取。现有的LLM道德审计主要集中在英语环境，极少测试具体场景中的机器人行为，这构成了一个紧迫的诊断缺口。
为了弥补这一缺口，来自研究团队的学者引入了一种基于梯度的审计框架，用于多语言评估LLM的道德权衡行为。该框架基于对超过8,000篇跨领域社交机器人评论的分析，推导出对称控制场景，涵盖护理、教育和服务领域。他们将“道德机器实验”中的“拯救谁”问题转化为“先帮助谁”的困境，保留了身份权衡（多数与少数、年轻与年老、高地位与低地位）。
研究团队对四种LLM进行了审计，覆盖四个国家-语言对，采用四种提示制度，共进行57,600次决策。他们将结果与各国特定的道德机器实验偏好梯度进行比较，通过序数一致性测试模型区分文化背景的能力，并开发了一种治理类型学来映射梯度区分、方向趋势和权衡中的脆弱性。
结果揭示了持续存在的、文化不对称的梯度追踪失败。例如，西方语言决策的校准质量几乎是中文和日文决策的两倍；多数优先的高确定性往往抹去了跨文化梯度；对年龄和地位规范的敏感度部分可能导致少数群体被边缘化。提示工程的效果不均匀，仅对比示例能带来一致改善，而纯推理提示可能恶化跟踪效果。
这些发现表明，仅靠提示工程无法可靠地纠正文化偏见。研究团队建议将多语言、多元化的审计作为LLM机器人部署前的必要检查点，并指出模型因素比提示工程更具鲁棒性。该研究已被2026年ACM公平性、问责制和透明度会议（FAccT '26）接收，为未来社交机器人的道德部署提供了重要指导。