LLM读770条"我是混蛋吗"帖，暴露了一个尴尬的道德盲区

你有没有想过，让大模型去判断"我是不是混蛋"这种日常道德困境？有个开源项目拿了770条Reddit的AITA帖子，让LLM逐个给出裁决，再跟一个叫Jev的模型对比。结果挺有意思——LLM处理这类高度依赖语境和社会直觉的判断时，暴露出的不是智能的不足，而是某种根本性的错位。它给不出有分量的判断，只会输出四平八稳的废话。770条帖子跑下来，这套评测的价值不在于谁赢了，而在于它量化了一件事：道德判断这种"人类默认拥有但从未解释清楚"的能力，机器到底离多远。这个距离，可能比大家以为的要远得多。

原文：Jev vs. LLMs on 770 "Am I the Asshole?" posts · 来源：Hacker News