arXiv:2512.21439v2 Annuales Type: заменить резюме: ключевым вопросом в текущих исследованиях по согласованию ИИ является вопрос о том, как заставить алгоритмы АИ учиться моральным ценностям. Поскольку...
arXiv:2604.13076v4 Аннотация: Мы исследуем надежность выравнивания ценности с помощью синтетических документов, используя сострадание к животным как ценность, которая важна как сама по себе, так и орт...
arXiv:2608.14566v1 Announce Type: new Abstract: Recent work on evaluating the moral competence of large language models (LLMs) has focused primarily on what we call the moral value problem, i.e., whet...
arXiv:2608.12368v1 Announce Type: new Abstract: Agreement with human judgments is a common proxy for evaluating the alignment of large language models (LLMs). Yet agreement in final labels does not sh...