察言观色：大语言模型规范能力的基础、设计与挑战

研究首次对大语言模型（LLM）仅凭交互识别社区规范的“规范能力”进行定义与评估。在多智能体辩论实验中，基线 LLM 智能体无法有效学习规范，且规范推理模块缺乏泛化能力；当存在非规范特异行为时，模型会无差别模仿噪声。这表明当前 AI 系统虽擅长行为模仿，但缺乏识别社会强制秩序的能力。