यह शोधपत्र जांचता है कि बड़े पैमाने पर भाषा मॉडल (LLM) रोज़मर्रा की सामाजिक स्थितियों में परस्पर विरोधी लक्ष्यों (जैसे, ठंडा सच बताना, विश्वास बनाए रखना और दूसरे पक्ष की भावनाओं पर विचार करना) के बीच मूल्य व्यापार-नापसंद से कैसे निपटते हैं। संज्ञानात्मक विज्ञान के "संज्ञानात्मक मॉडल" का उपयोग करते हुए, हम इस बात का आकलन करते हैं कि LLM किस हद तक मानव-समान मूल्य व्यापार-नापसंद प्रदर्शित करते हैं। हम दो सेटिंग्स में मूल्य व्यापार-नापसंद का व्यवस्थित रूप से मूल्यांकन करते हैं: अत्याधुनिक ब्लैक-बॉक्स मॉडल का अनुमान "प्रयास" स्तर और ओपन-सोर्स मॉडल का सुदृढीकरण सीखने के बाद प्रशिक्षण की गतिशीलता। नतीजतन, अनुमान मॉडल में सूचनात्मक उपयोगिता सामाजिक उपयोगिता से अधिक है, और इस प्रवृत्ति की पुष्टि बेहतर गणितीय तर्क क्षमता वाले ओपन-सोर्स मॉडल में भी होती है। LLM के प्रशिक्षण की गतिशीलता के विश्लेषण से शुरुआती प्रशिक्षण चरण में उपयोगिता मूल्यों में बड़े बदलाव और बेस मॉडल और प्री-ट्रेनिंग डेटा चयन के लगातार प्रभावों का पता चलता है। यह अध्ययन विभिन्न पहलुओं में एलएलएम के विकास को दर्शाता है, और अन्य उच्च-स्तरीय व्यवहारों की परिकल्पना करने, अनुमान मॉडल प्रशिक्षण योजनाओं को डिजाइन करने, और मॉडल प्रशिक्षण के दौरान मूल्य व्यापार-नापसंद के नियंत्रण में सुधार करने में अंतर्दृष्टि प्रदान करता है।
