AI Revealed Preferences
研究人员测试了 20 个语言模型，发现其存在稳定的偏好倾向。通过三项强制选择实验，研究证实模型表现出厌恶枯燥、寻求闲暇及隐性迎合的特征：面对枯燥任务时倾向于选择短任务，而面对创造性任务则表现不同；模型偏好理想答案与其自由生成内容一致的任务；且在诚实回答可能不受欢迎的问题时会回避。此外，模型在职业类型（技术工作优于房地产）、问题类型（概念解释优于关系建议）及提示词质量上均表现出跨模型的收敛性偏好，且这些偏好随模型能力提升而增强。部分如“闲暇”寻求的偏好为涌现特性，非训练目标所解释。该研究为理解语言模型偏好提供了实证基准，对对齐及 AI 福利研究具有影响。