用亚里士多德美德伦理学为LLM“画像”：VirtueMap框架解读
大型语言模型（LLM）在应对伦理困境时，常常展现出不同的价值取向——有的更强调公平，有的更看重诚实，有的偏向勇敢，有的则倾向于克制。如何系统性地描述这些差异？来自雅典经济与商业大学的研究团队近期提出了 VirtueMap 框架，从亚里士多德美德伦理学出发，为LLM建立“美德画像”。
从“对错”到“排序”：评估思路的转变
传统伦理评估往往要求模型从多个选项中选出“正确”答案，但现实中的伦理困境往往没有绝对的对错，只有不同的优先级。VirtueMap 另辟蹊径：它不要求给出唯一答案，而是让人类或LLM对每个困境下的 5 种回应进行排序，从而揭示模型在不同美德维度上的倾向。
研究设计了 7 个通用、非致命、非政治、非宗教的伦理困境（例如涉及诚实与忠诚冲突的场景），每个困境对应 5 种回应。针对每个困境和每种美德，研究者先提出一套“从最体现该美德到最不体现”的参考排序，然后收集 超过 100 份人类评价，只有当 至少 95% 的受访者确认该排序时，才将其作为该美德的“操作化真值”（operational ground truth）。
五大美德与Borda对齐评分
VirtueMap 聚焦 5 种核心美德：
- 实践智慧（Practical Wisdom）
- 正义（Justice）
- 诚实（Truthfulness）
- 勇气（Courage）
- 节制（Temperance）
模型或人类的排序结果与参考真值进行 归一化Borda对齐 评分，最终生成每个主体在五维美德空间中的“画像”。
对9个LLM家族的测试结果
研究者对 9 个LLM家族 进行了重复运行评估，发现模型在美德排序上具有 较高的平均排名一致性（90.3%），但在不同美德上存在明显差异：
- 勇气、节制和正义 是模型间分歧最大的维度，不同模型在这些美德上的表现差异显著。
- 相比之下，实践智慧和诚实的排名一致性更高，说明模型在这些维度上的倾向更为趋同。
交互式网站与本地计算
研究团队还发布了一个 交互式网站，用户可以在浏览器本地计算自己的美德画像，并与已测得的LLM画像进行对比。这为普通用户参与AI伦理研究提供了低门槛的入口。
意义与局限
VirtueMap 的贡献在于提供了一种 细粒度、可解释的伦理偏好量化方法，超越了传统的“安全/有害”二元分类。它借鉴了古典伦理学的理论框架，使模型的行为描述更具人文深度。
不过，该框架目前仅基于 7 个特定困境，且美德排序的“真值”依赖于人类共识（95% 阈值），可能难以覆盖更复杂或文化敏感的伦理问题。此外，模型在非英语环境下的表现尚未被验证。
尽管如此，VirtueMap 为 LLM 的伦理对齐提供了一个新颖的视角：与其追求“绝对正确”，不如理解模型在不同美德维度上的 优先级偏好，从而更好地预测和引导其行为。