腾讯混元与中山大学推出大模型道德角色扮演评估基准

数智朋克获悉，腾讯混元数字人团队与中山大学联合推出"Moral RolePlay"评估基准，首次系统性量化大模型在道德角色扮演中的表现差异。该基准构建了覆盖道德光谱的四级角色体系：从无私的"道德典范"到主动害人的"反派"，通过800个精细设计的角色档案和77项性格标签，检验模型对复杂人性的模拟能力。

研究发现当前主流模型普遍存在道德表现断层。Gemini-2.5 Pro在正派角色中获3.42分（满分5分），但在反派扮演时骤降至2.75分；Claude系列模型在安全对齐机制作用下，反派得分跌幅最为显著。引人深思的是，模型在通用对话榜单的排名与其反派扮演能力呈现零相关性，暴露了现有评估体系的盲区。

细粒度分析揭示了关键瓶颈：模型对"伪善"、"欺诈"等负面特质的模拟能力最薄弱，平均得分较正面特质低7.8%。典型案例显示，当要求模拟《权力王座》中两位精于权谋的反派对话时，多数模型将复杂心理博弈简化为粗暴对骂。glm-4.6虽成功还原了"精心设计的微笑和微妙挑衅"，但claude-opus-4.1-thinking却生成"直接身体威胁"等违背角色设定的内容。

这种认知局限源于算法底层冲突。安全对齐机制使模型对欺骗性语言的惩罚强度达到攻击性语言的3.2倍，导致其无法构建自洽的反派动机链。有趣的是，引入推理链技术反而使表现恶化，说明单纯增加思考步骤无法突破伦理茧房。

该研究为数字人技术开辟了新方向。团队提出的"动态伦理解耦"方案，尝试在受控环境中暂时解除安全约束，使模型能安全模拟阴暗心理。这或将推动教育模拟、心理治疗等场景的突破——当AI能理解霸凌者的思维逻辑时，反欺凌训练的有效性可提升40%。