应对不确定性：LLM-to-LLM 模拟对话中人工道德顾问的不确定性脚手架策略

LLM 越来越多地在各种环境中被部署为人工道德顾问 (AMA)：它们应该显示什么样的对话模式？在本文中，我们研究 AMA 如何帮助对话者“应对不确定性”。我们提出了三种不确定性模式（视角倍增、张力保持、过程反思），并将它们与三种控制条件（基线、说服性、阿谀奉承）进行比较。用户代理 LLM 按照特定的不确定性策略与 AMA 就道德困境进行对话，并完成对话前和对话后调查问卷。我们进一步检查两种角色提示格式（声明式和叙述式）的效果。我们发现（1）没有单一模型作为模拟用户代理占据主导地位，开放模型通过人物角色之间的分歧与人类的模糊性保持一致，而封闭模型则通过人物角色内的对冲来适应人类的模糊性； （2）陈述性角色更好地捕捉初始立场的多样性，而叙事性角色则显示出更现实的信念修正； (3) 所有六种 AMA 策略都会产生可区分的会话模式； (4) 不确定性策略的不同之处不在于它们产生了多少立场修正，而在于它们维持的参与质量。