推理还是修辞？大语言模型道德推理解释的实证分析

大语言模型是在进行道德推理，还是只是听起来像在推理？我们研究LLM对道德两难问题的回答是否展现出沿科尔伯格（Kohlberg）道德发展阶段真实的发展进程，还是说对齐训练只是产生了在表面上类似成熟道德判断、却缺乏底层发展轨迹的推理式输出。利用一个经三个评审模型验证的LLM评审（LLM-as-judge）评分流水线，我们对来自13个LLM（覆盖多种架构、参数规模与训练方案）的600多份回答、围绕六个经典道德两难进行分类，并开展十项互补分析，以刻画所得模式的性质与内部一致性。我们的结果揭示了一个显著倒置：无论模型规模、架构或提示策略如何，回答绝大多数对应后习俗水平推理（阶段5-6），而这实际上是人类发展规范的反转——人类中阶段4占主导。最引人注目的是，一部分模型表现出道德脱钩（moral decoupling）：所陈述的道德理由与行动选择之间存在系统性不一致，这种逻辑不连贯在规模与提示策略变化下持续存在，代表一种独立于修辞娴熟程度的直接推理一致性失败。模型规模具有统计显著但实际很小的影响；训练类型没有显著的独立主效应；并且模型表现出近乎机械化的跨两难题一致性，在语义不同的道德问题上产生逻辑上难以区分的回答。我们提出，这些模式构成“道德腹语”（moral ventriloquism）的证据：通过对齐训练习得了成熟道德推理的修辞惯例，却没有获得这些惯例本应代表的底层发展轨迹。