審計LLM管理的社交機器人：基於文化特定道德梯度的研究

隨著大型語言模型（LLM）越來越多地被整合到社交機器人中，這些機器人開始承擔現實世界中分配援助順序的決策。然而，不同文化對年齡、地位和群體規模的優先順序有著不同的規範。如果缺乏多元化的校準，這些決策可能導致不平等的資源獲取。現有的LLM道德審計主要集中在英語環境，極少測試具體場景中的機器人行為，這構成了一個緊迫的診斷缺口。

為了彌補這一缺口，來自研究團隊的學者引入了一種基於梯度的審計框架，用於多語言評估LLM的道德權衡行為。該框架基於對超過8,000篇跨領域社交機器人評論的分析，推匯出對稱控制場景，涵蓋護理、教育和服務領域。他們將“道德機器實驗”中的“拯救誰”問題轉化為“先幫助誰”的困境，保留了身份權衡（多數與少數、年輕與年老、高地位與低地位）。

研究團隊對四種LLM進行了審計，覆蓋四個國家-語言對，採用四種提示制度，共進行57,600次決策。他們將結果與各國特定的道德機器實驗偏好梯度進行比較，透過序數一致性測試模型區分文化背景的能力，並開發了一種治理型別學來對映梯度區分、方向趨勢和權衡中的脆弱性。

結果揭示了持續存在的、文化不對稱的梯度追蹤失敗。例如，西方語言決策的校準質量幾乎是中文和日文決策的兩倍；多數優先的高確定性往往抹去了跨文化梯度；對年齡和地位規範的敏感度部分可能導致少數群體被邊緣化。提示工程的效果不均勻，僅對比示例能帶來一致改善，而純推理提示可能惡化跟蹤效果。

這些發現表明，僅靠提示工程無法可靠地糾正文化偏見。研究團隊建議將多語言、多元化的審計作為LLM機器人部署前的必要檢查點，並指出模型因素比提示工程更具魯棒性。該研究已被2026年ACM公平性、問責制和透明度會議（FAccT '26）接收，為未來社交機器人的道德部署提供了重要指導。