Ця стаття представляє Value Lens, текстову модель, розроблену для виявлення людських цінностей за допомогою генеративного штучного інтелекту, зокрема великих мовних моделей (LLM). Запропонована модель працює у два етапи: формування формальної теорії цінностей, а потім ідентифікація цих цінностей у заданому тексті. Це вирішує проблему узгодження автономних систем прийняття рішень з людськими цінностями шляхом оцінки того, наскільки добре рішення їх відображають.

Традиційні моделі NLP мають труднощі з виявленням неявних людських цінностей, оскільки вони покладаються на поверхневі ключові слова. Цінності часто є абстрактними та залежними від контексту, що ускладнює для старіших дискримінативних моделей (класифікаторів) точну ідентифікацію внутрішнього морального компаса мовця.

Автори застосовують генеративний підхід, де LLM отримує промпти з визначеннями з таксономії цінностей (наприклад, Шварца). Вони використовують промптинг 'Ланцюжок думок' (Chain-of-Thought, CoT), щоб змусити модель обміркувати текст перед присвоєнням мітки. Метод включає донавчання на невеликому наборі даних, анотованих експертами, для узгодження виводів моделі з психологічними стандартами.

Value Lens досягла значного покращення показника F1 порівняно з базовими моделями на основі BERT на валідаційному наборі. Зокрема, вона показала вищу ефективність у виявленні цінностей 'Самовідданості' та 'Збереження'. Якісний аналіз показав, що генеративна модель змогла правильно ідентифікувати цінності в саркастичному або непрямому тексті, де моделі на основі ключових слів зазнавали невдачі.

Стаття успішно долає розрив між абстрактними теоріями соціальних наук та практичними застосуваннями NLP. Однак вона значною мірою спирається на передумову, що LLM володіють вродженим розумінням людських цінностей, порівнянним з людськими анотаторами, що є спірним моментом. Методологія є обґрунтованою, але оцінка виграла б від більш різноманітного набору культурних даних для доведення справжньої універсальності.