人工智能治理中的宪法覆盖三难困境

前沿人工智能系统的功能就像\emph{宪法机构}：每个部署的模型都编码了安全性、乐于助人、诚实、自治和公平之间的隐式排名。我们询问边疆宪法类型的供给能否满足人类的需求。结合对 23 美元前沿 LLM 原型的发货默认构成的释义控制审计与对同一工具的 1{,}649 美元美国参与者的成对权衡研究，我们报告了三个事实。 \emph{需求广泛}：它涵盖所有五个值，最大的选区不到三分之一。 \emph{供应狭窄且漂移}：在保守的噪声匹配估计下，$23$ 原型船体占据需求船体的 ${\sim}2\%$（完全审计精度为 $0.10\%$），没有原型将帮助性或自主性放在第一位（$37\%$ 的用户本质上无家可归），并且在六个模型系列中，自主性减少了 $5/6$，权益增加了 $5/6$，安全性增加了$4/6$，家庭内版本趋势单调（顺序排列 $p = 0.013$），自主性下降集中在安全不受威胁的情况下。这种漂移的重要性是有方向性的：\emph{远离}已经被掩盖的价值，机械地恶化了服务最少的用户的福利底线。 \emph{修复是稀疏的}：$2$-顶点菜单 $\{e_{\mathrm{HON}}, e_{\mathrm{AUT}}\}$ 在平均遗憾上比完整的 $23$-原型边界高出 $47\%$（CI $[43\%, 52\%]$）；添加三个顶点可将平均/最差组遗憾减少高达 $81\%$/$64\%$。我们将这些发现形式化为预算多元主义三难困境，表明约束机制是根据经验实现的，并验证结论对于基于距离的福利和退化路由是稳健的。附录中详细描述了工具和审计工具。