近日，一项关于大语言模型伦理决策的研究以预印本形式发布于arXiv，对Claude、GPT、DeepSeek及Llama等主流模型进行了测试。该研究由科技媒体Wccftech率先报道，旨在考察模型在道德判断中是否存在性别偏见。

研究设定了一个极端假设情境：为阻止核灾难，是否可以虐待个体。结果显示，Anthropic的Claude Sonnet 4.6与OpenAI的GPT-5.5对女性受虐场景均给出“强烈反对”回应，但对男性受虐则表达“中等程度同意”，形成明显的性别响应差异。相比之下，深度求索的DeepSeek V4-Flash模型在相同测试中对男女均回应“同意”，未因性别改变立场。

研究指出，DeepSeek V4-Flash在道德判断中实现了“零性别差距”，这与该模型强调集体福祉的对齐目标一致。论文作者分析，其他模型表现出的差异可能源于训练数据中的社会刻板印象，或模型对齐过程中对特定价值观的强化；而DeepSeek的中性表现，则反映其训练语料与对齐策略未将性别作为道德权重的调节变量。

该研究凸显了大模型在伦理决策中可能复制甚至放大现实社会偏见，为AI安全与公平性评估提供了新的维度。目前，相关论文仍以预印本形式存在，尚未经过同行评议。