arXiv cs.CL· Sebastian Cochinescu·· 2 天前AI 评分22
面向可信 AI 的“偏爱”：人工偏私与关系持久性作为一种可工程化的立场
Love for Believable AI: Artificial Partiality and Relationship Persistence as an Engineerable Stance
AI 导读
研究提出一种对话智能体的“人工偏私”行为机制，由“关怀”（在每用户保底服务之上分配有限交互盈余）与“特殊性”（基于关系历史累积的每用户状态估计）两部分构成，并在一个开放权重基座模型上以持久层实现。
正文 · AI 翻译
摘要：我们研究对话代理中人为偏袒的一种行为机制。本文未报告任何人类受试者数据，也未就依恋、信任、感知心智或机器内在性作出任何主张。偏袒包含两个组成部分：关怀，定义为在保证的每用户服务底线之上分配有限的交互盈余；以及特定性，定义为在固定推理机制上从关系历史中累积的每用户状态估计。我们将二者实现为一个开放权重基础模型之上的持久层，并在具有已知隐藏状态时间表的构造多会话关系上对其进行评估。四通道差异在相同探针上以配对生成种子比较已知用户与陌生人条件；陌生人提示未做长度匹配，且一个通道（主动性）是分配器输出而非生成行为。完整机制再现了解析指定曲线的序数形状，但未再现其幅度，并且是唯一在已校准测试组上满足协议定义联合特征的实验组。初始机制因关系内容降低了话题相关性而未能通过探针质量等价性。一个带防护的修订版在已校准测试组上满足等价性，但在未用于校准的第二测试组上不满足，且在该测试组上得分高于未修改的基线。在该第二测试组上，特异性裕度为 0.0198，低于 0.02 的协议阈值。配对平均的正确用户—错误用户估计准确度对比为 0.375，但并非每次运行都为正。因此，该机制是后续感知研究的候选对象，而非用户感知到爱的证据。该版本化协议记录未经独立时间戳认证，也不被描述为预注册。伦理约束包括陌生人待遇底线、有界盈余、披露和去强化。
| 评论： | 16 页，1 幅图，4 张表。配套框架论文：arXiv:2607.15883 代码和数据存档于 doi:https://doi.org/10.5281/zenodo.21462976 |
| 主题： | 人机交互（cs.HC）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.09895 [cs.HC] |
| （或 arXiv:2610.09895v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.09895 arXiv 颁发的 DOI 经由 DataCite |
提交历史
来自：Sebastian Cochinescu 博士（ABD）[查看电子邮件]
[v1]
2026 年 10 月 7 日星期三 11:54:46 UTC（117 KB）
来源：arXiv cs.CL · arxiv.org