企业官网建设流程全解析

《Street-Level AI: Are Large Language Models Ready for Real-World Judgments?》总结与翻译

一、文章主要内容

本文聚焦大型语言模型（LLMs）在现实世界高风险决策场景中的适用性，以无家可归者资源分配为研究背景，通过两项核心实验评估LLMs的判断能力，具体内容如下：

1. 研究背景与问题提出
   • 现有关于LLMs道德判断的研究多集中于哲学困境、器官移植公平性等领域，或通过思想实验验证其与人类判断的一致性，却忽视了LLMs在“基层官僚”场景（如稀缺社会资源分配）中的实际应用潜力。
   • 无家可归者资源分配领域存在成熟的“脆弱性优先”官僚评分体系（如VI-SPDAT、RMFS），且基层工作人员（如社工）的判断包含专业经验与自由裁量权，需验证LLMs能否匹配这类现实决策逻辑。
2. 实验设计与方法
   • ** pairwise比较实验**：复用圣路易斯无家可归者服务记录中的10组家庭数据，设置4种信息条件（无预测信息、仅预测信息、先预测后决策、同时提供数据与预测），测试8种LLMs（含GPT-4、Llama-3.3-70B等）的决策倾向（“脆弱性导向”或“结果导向”），并与普通人类的决策模式对比。
   • 排名实验：使用2