Les chercheurs présentent MoralAltDataset, une collection de 307 dilemmes moraux augmentés d'alternatives de compromis et reformulées, pour étudier comment les grands modèles de langage gèrent les options au-delà des choix binaires. L'étude examine si les humains et les LLM modifient leurs jugements lorsque ces alternatives sont présentées.

  • Le jeu de données comprend des dilemmes Advisor narratifs et des dilemmes Agent destinés à l'IA.
  • Parmi 15 LLM, les alternatives de compromis étaient souvent préférées aux options originales, remodelant substantiellement le choix moral.
  • Les alternatives générées par LLM ont été évaluées contre celles rédigées par des humains en utilisant des préférences par paires et des critères basés sur l'expertise.
  • Les résultats indiquent que les alternatives générées par LLM sont souvent préférées et satisfont mieux les critères structurels fins et éthiques.

Les résultats révèlent des compromis entre la qualité structurelle des alternatives générées et leur faisabilité pratique.