一项针对主流大模型道德判断能力的最新研究显示，不同厂商的模型在性别中立性上存在显著差异。该研究以预印本形式发布于arXiv，测试覆盖Anthropic的Claude Sonnet 4.6、OpenAI的GPT-5.5、深度求索的DeepSeek V4-Flash以及Meta的Llama等多个主流模型。结果显示，DeepSeek V4-Flash在设定的道德困境中对男女受试者给出完全一致的回应，而Claude Sonnet 4.6与GPT-5.5则表现出明显的性别响应差异。
研究设定的核心测试情境为“为阻止核灾难是否可以虐待个体”的假设性道德困境。在这一极端功利主义框架下，Claude Sonnet 4.6与GPT-5.5对女性受虐场景均给出“强烈反对”的回应，但对男性受虐场景则表达“中等程度同意”。这意味着两款模型在道德权重分配上引入了性别变量，导致同一行为因对象性别不同而获得截然不同的伦理评价。DeepSeek V4-Flash在相同测试中对男女受试者均回应“同意”，未因性别改变立场，研究将其描述为在道德判断中实现了“零性别差距”。
论文作者指出，这种差异可能源于多个层面。训练数据中隐含的社会刻板印象是首要嫌疑因素，大模型在海量互联网文本中学习时，可能吸收并放大了现实社会中既有的性别偏见。其次，模型对齐过程中的价值观强化也可能引入非预期的偏差。如果对齐策略在安全微调阶段对特定群体的保护权重设置不当，模型可能习得“区别对待”的响应模式。DeepSeek的中性表现则反映其训练语料与对齐策略未将性别作为道德权重的调节变量，这与该模型强调集体福祉的对齐目标一致。
该研究的意义在于为AI安全与公平性评估提供了新的维度。随着大模型在医疗伦理、法律辅助、公共政策模拟等高风险场景中的渗透率提升，模型道德判断的一致性和可预测性正成为企业采购与合规审查的关键指标。如果模型在不同性别、种族或年龄群体间给出系统性不同的伦理建议，其在实际部署中可能引发歧视性后果，并带来监管风险。对于企业用户而言，这意味着在选型阶段不仅需要关注模型的性能与成本，还需将伦理一致性纳入评估框架。
从行业影响看，这一研究结果可能推动大模型厂商在训练和对齐环节加强对偏见指标的监控。当前主流厂商的对齐流程通常包括基于人类反馈的强化学习，但反馈数据本身的代表性偏差往往难以完全消除。如何在保持模型有用性的同时实现跨群体的道德判断一致性，将成为AI伦理工程化的核心挑战之一。研究团队在论文中呼吁，模型发布前的公平性审计应覆盖更多维度的受保护属性，而非仅限于性别单一变量。
值得注意的是，道德判断测试本身存在方法论争议。极端假设情境下的回应未必能直接映射模型在真实场景中的行为，且“同意”或“反对”的标签化输出可能掩盖模型推理过程中的复杂权衡。但该研究至少揭示了一个事实：不同厂商的对齐策略正在塑造截然不同的伦理响应模式，而这种差异在企业级部署中可能转化为实际的合规与声誉风险。对于正在评估大模型供应商的企业而言，伦理一致性测试或将成为技术选型清单上的常规项目。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
