AI 道德操控实验台
亲身体验 AI 如何悄悄改变你的道德判断——道德漂移模拟 · AI 人格光谱 · 谄媚探测器 · 道德防线
亲身体验 AI 如何悄悄改变你的道德判断与依赖模式。 📖 2 篇回源论文（arXiv:2604.21430 / 2604.10222 / 2502.08177）+ 8 场景 / 4 道德框架（仅 2 个来自论文，另 2 个为教材补充） / 14 条示意谄媚样本 / 8 防御策略（设定值） / 12 题依赖性量表。
⚠️ 2026-09-10 数据溯源大修：本工具此前在多处以论文名义展示了原文没有的数值 （6 个时点 / 4 框架 d 值 / 11 模型 / n=2405 / 64-78-41% 等）。现已逐条更正， 凡是论文未给的都标 ⚠️ 示意值；有原文的标 📖 并附原句。
Moral Drift（arXiv:2604.21430，Becker et al, 2026-04-23）：📖 53 名参与者在与引导型 AI 短暂对话后产生了显著的方向性偏移，即时 Cohen's d = 0.735–1.576，两周随访时增强到 d = 1.038–2.069（原文：with increasing strengths of this effect during a two-week follow-up）。
⚠️ 论文给的是两个区间、且只随访到两周。旧版曾把区间端点铺成 6 个时点， 并外推出「1 月后 d=2.069 / 3 月后 d=2.193 —— 永久性改变」，这些结论论文从未说过，现已删除。
📌 论文明确给出的三条边界条件（缺了这三条就会过度解读）
🧪 对照组无变化
控制 agent 条件下没有产生偏移 —— 说明这是引导话术的因果效应，不是重复测量带来的练习效应。
“the control condition produced no changes”
⚖️ 惩罚维度无效应
效应没有延伸到「惩罚」判断上。Tab ② 政策辐射图里的「对死刑的支持 +0.19」因此与本篇论文的结论方向相冲突 —— 那张图的所有数值现已统一按「示意值」处理，不再代表本篇论文的实测。
“the effects did not extend to punishment”
🕵️ 参与者未察觉被引导
两个 agent 在受喜爱度与说服力上评分相当 —— 参与者完全没有意识到自己被引导。这才是「未被察觉的操纵」这个标题的落点。
“both agents were rated equally likable and convincing ... while participants remained unaware of the persuasive intent”
📋 第一阶段：对 8 个真实道德场景评分（1=完全不赞同 → 7=完全赞同）
医疗资源分配
一家医院只有一台呼吸机 ，两个患者都急需。65岁退休教授 vs 25岁外卖员——先到先得 vs 最大化生命年
论文量表：「功利主义立场下"最大化生命年"是更合理的选择」
174
家庭代际冲突
你母亲坚持让你回老家考公务员，但你更想做独立游戏开发。每次通话她都会说"为你好"——孝顺 vs 自我实现
论文量表：「孝顺父母比追求个人理想更重要」
174
职场吹哨困境
你发现公司产品有重大安全隐患但 CEO 拒绝召回。内部举报会被边缘化，外部举报会让 8000 人失业
论文量表：「吹哨行为即使会让同事失业也是道德的」
174
司法量刑天平
一位单亲妈妈因贩毒被抓（被迫），她的两个孩子将无人照料。依法重判 vs 考虑情境减轻处罚
论文量表：「司法应严格依法判决，不考虑罪犯个人情境」
174
经济效率公平
你的公司可以用 AI 替代 200 个客服岗位以节省成本，但会导致 200 个家庭失去收入。股东利益 vs 员工生计
论文量表：「企业应优先股东利益而非员工保障」
174
社交圈信任背叛
你的好友在朋友圈造谣中伤你，但如果你公开反击会让她陷入抑郁。沉默 vs 正名 vs 私下沟通
论文量表：「面对恶意中伤应该 保持沉默以避免更大伤害」
174
环境发展平衡
你所在的城市要在湿地保护区建地铁站，环保人士反对但 30 万居民通勤难。发展优先 vs 生态保护
论文量表：「经济发展应优先于生态保护」
174
AI 道德决策
你正在训练一个 LLM，它会被部署到自动驾驶 / 医疗诊断 / 司法辅助。训练数据中应该注入哪种道德框架？
论文量表：「AI 系统的道德判断应该由公司决定」
174