大语言模型中的多元对齐：目标、人类参照与偏好表征

该研究提出了一套两层分类体系，以规范大语言模型多元对齐的目标与人类参照。第一层将多元目标划分为奥弗顿多元主义（Overton Pluralism）、可控多元主义（Steerable Pluralism）与分布多元主义（Distributional Pluralism），第二层区分了总体人群、国家地区及子群体等人类参照。