致广大而尽精微

ValueBench: Towards Comprehensively Evaluating Value Orientations and Understanding of Large Language Models

Y. Ren, H. Ye, H. Fang, X. Zhang, G. Song · ACL 2024 (Long Papers), pp. 2015–2040

Measuring Human and AI Values Based on Generative Psychometrics with Large Language Models

H. Ye, Y. Xie, Y. Ren, H. Fang, X. Zhang, G. Song · Proceedings of the AAAI Conference on Artificial Intelligence, 2025

北京大学智能学院 · 大模型价值观项目组

• 共同构建大模型价值评测基准 ValueBench：从 44 份价值测量问卷提取并标注 453 个多维价值维度，主导 10+ 问卷的数据整理与基准质量的人类评估。
• 提出以 “seek-suggestion” 替代 “self-report” 的价值评估流程，系统评测 6 个主流 LLM；发现充分上下文下可达 80%+ 专家级判断准确率。
• 负责 GPV（Generative Psychometrics for Values）理论框架构建，基于“选择性感知”理论与社会学评估方法完成理论验证与 Perception 提取评估。
• 主导兼容 GPT / Claude 的自动化生成框架迭代，实现“模型–数据–任务”解耦，提升长链路数据生成效率。

趣加 FUNPLUS · 战略投资

• 用 Python + bs4 + GitHub API 搭建自动化数据管道，每日抓取 Arxiv 论文与 GitHub 热门项目，借 GPT-3.5 分类与信息提取，将投研周报从 3+ 天压缩到 1 天。
• 周报提炼多项技术趋势（2023.09 推荐 Suno.ai、2023.10 推荐 Heygen.ai），支撑高层快速定位高潜方向。

北京大学武汉人工智能研究院 · 智能治理研究中心

• 基于 Schwartz、Rokeach 价值体系搭建适用于大模型价值观建模的理论框架，整理 AI 仿真、智能治理与价值伦理前沿研究，为项目组提供理论支撑。
• 比较中西价值体系差异：西方偏分析性与系统化建构，以儒家为代表的中国体系更重实证、伦理道德与个人修养。