在大型语言模型（LLMs）中，越来越多的判断被视为二元的裁决，相关文献显示，这些判断在措辞的逻辑无关变化下发生了转变——尤其是在道德困境中，表现出一种人类所不具备的增强是非偏见。单一的框架无法说明这种转变的本质：在是非问题中，"no" 一词同时作为逻辑裁决、词汇符号和最后打印的选项。
我们引入了一种心理测量工具，称为交叉对称化——在一系列问题形式中，每个逻辑无关的因素以平衡对的方式翻转。通过对逻辑等价形式的分级评分，我们恢复了一条连贯的内部道德尺度：前沿模型的立场 $\theta$ 几乎不受格式影响（跨格式不一致性为 0.12-0.21，基于 $\pm 1$ 的轴）；小型开放权重模型则以特定模型的方式失败。
强制使用是非判断导致了一个可分解的伪影：对最后打印选项的顺序偏见——与经典的人类优先效应相反——加上对词汇 "no" 的拉力；这一伪影在 Claude 模型中显著（故事平均值 -0.32 至 -0.86），而在 GPT-5.5 和 Gemini 中约为 0，并在扩展推理下缩小。
词汇和裁决共享一个符号；用任意标签替换词语可将其分离，并且附加于裁决的逻辑偏见在每个前沿模型中证明约为 0，而模型特定的标签和顺序附加仍然存在：这些模型并不倾向于拒绝——拉力跟随打印的表面，而非所承载的裁决。
一个最小模型 $P = \sigma((\theta \pm m)/s)$ 概括了任何此类伪影，通过框架敏感度 m 和道德果断性 s 进行测量，这与采样温度可明显区分。该测量工具不变地适用于任何困境集和二元格式：衡量模型重视的内容需要跨越问题的框架，而不是仅仅询问一次。
博主点评： 这篇文章深入探讨了大型语言模型在道德判断中的偏见来源，指出回答的顺序和措辞对模型输出的显著影响。通过引入心理测量工具，作者有效地揭示了模型判断中潜在的伪影，为理解 LLM 的行为提供了重要的视角。