כתבה
arXiv cs.AI ·
ContextAdapt: הערכת הסתגלות הקשרית והתאמה ערכית במודלים גדולים
ContextAdapt: Evaluating Contextual Adaptation and Value Alignment in LLMs
ContextAdapt הוא כלי להערכת הסתגלות הקשרית והתאמה ערכית במודלים גדולים. המחקר בוחן 12 מודלים, כולל LLMs, בתחומים שונים כמו רפואה, משפטים וביטחון לאומי. התוצאות מראות כי המודלים מצליחים להתאים את עצמם להקשרים שונים, אך עדיין קיימים אתגרים בתחום ההתאמה הערכית.
תקציר מקורי באנגליתarXiv:2609.38260v1 Announce Type: cross Abstract: Values such as honesty, autonomy, and confidentiality are often regarded as general principles underpinning AI alignment. However, what it means to act in accordance with these values can depend on the context in which a decision is made. In this paper, we ask whether large language models (LLMs) appropriately adapt the application of a value across professional settings, while remaining consistent when contextual changes do not alter the relevant professional norm. To study this, we introduce ContextAdapt, an evaluation framework covering honesty, autonomy, and confidentiality across medicine, law, finance, and national security. Drawing on primary-source professional and regulatory documents, we construct a value x domain framework and us
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית