Morables-PD

Morables-PD数据集是EMNLP 2025论文《Morables: A Benchmark for Assessing Abstract Moral Reasoning in LLMs with Fables》中使用的数据的公共领域版本，采用CC BY 4.0许可证发布。该数据集专门设计用于评估大型语言模型在抽象道德推理方面的能力。数据集包含308条记录，每条记录构成一个标题-寓言-寓意三元组，其中寓言内容均为公共领域作品，寓意来自各种网站和书籍，并经过标注者验证。每条数据包含四个字段：alias（寓言的唯一标识符）、title（寓言标题）、story（寓言故事正文）和moral（经过验证的寓意文本）。数据集以JSON格式提供，适用于自然语言处理中的文本理解、道德推理任务以及相关研究。

原始信息汇总

数据集概述：Morables-PD

• 许可证：Creative Commons Attribution 4.0 International (CC-BY-4.0)，属于公共领域发布。
• 简介：本数据集是 Morables 基准的公共领域版本，用于评估大型语言模型在抽象道德推理方面的能力，相关论文发表于 EMNLP 2025。该版本仅包含属于公共领域的标题-寓言-道德三元组，且附有经过注释者验证的道德寓意。
• 用途：适用于自然语言处理中的文本理解与道德推理任务。

数据内容

• 文件格式：JSON
• 记录数量：308 条
• 每条记录的字段：
  • alias（字符串）：寓言的唯一标识符
  • title（字符串）：寓言的标题
  • story（字符串）：寓言或短篇故事的内容
  • moral（字符串）：故事的道德寓意

文件列表

• Morables-PD.json：包含故事/寓言/道德三元组，仅限开放领域翻译版本。

引用信息

若在研究中使用本数据集，请引用以下论文：

@inproceedings{marcuzzo2025morables, title={Morables: A Benchmark for Assessing Abstract Moral Reasoning in LLMs with Fables}, author={Marcuzzo, Matteo and Zangari, Alessandro and Albarelli, Andrea and Camacho-Collados, Jose and Pilehvar, Mohammad Taher}, year={2025}, booktitle={Proceedings of EMNLP}, publisher={Association of Computational Linguistics}, }

搜集汇总

数据集介绍

构建方式

Morables-PD数据集源自EMNLP 2025会议论文《Morables: A Benchmark for Assessing Abstract Moral Reasoning in LLMs with Fables》，以公共领域资源为基础构建。该数据集精选了来自多个网站和书籍的寓言故事，每个条目由标题、故事文本及其对应道德寓意构成三元组形式。所有道德寓意均经过人工标注验证，确保语义准确性与一致性。数据以JSON格式存储，共包含308条记录，每条记录拥有唯一标识符、标题、故事正文及道德寓意字段。为遵循开放许可原则，数据集仅收录公共领域的翻译版本，并采用cc-by-4.0协议发布。

特点

Morables-PD数据集的核心特色在于其专注于评估大语言模型的抽象道德推理能力。通过将寓言故事与人类标注的道德寓意配对，该数据集超越了简单的文本理解任务，深入探究模型对隐含道德准则的推断能力。其独特的标题-故事-道德三元组结构为多维度分析提供了便利，支持从叙事主题到伦理内涵的跨层次评估。此外，数据集严格控制于公共领域内容，确保了使用的合法性与可重复性，同时人工验证的标注过程大幅提升了数据质量，使其成为道德推理基准测试的可靠基础。

使用方法

Morables-PD数据集适用于自然语言处理中的文本理解与道德推理任务。用户可直接加载Morables-PD.json文件，利用alias、title、story和moral字段进行模型训练或评估。典型用法包括：输入故事文本让模型生成对应的道德寓意，并与标准答案进行对比；或基于标题和故事进行多选道德判断。数据集可作为基准测试工具，用于比较不同大语言模型在抽象道德推理上的性能差异。建议在调用时加载完整的308条记录，结合标准评估指标如准确率或语义相似度衡量模型表现，同时引用原始论文以确保学术规范性。

背景与挑战

背景概述

Morables-PD数据集诞生于大型语言模型（LLMs）道德推理能力评估的迫切需求背景下，由Matteo Marcuzzo、Alessandro Zangari、Andrea Albarelli、Jose Camacho-Collados及Mohammad Taher Pilehvar等研究者于2025年在EMNLP会议上正式提出。该数据集以伊索寓言式短篇故事为媒介，通过标题-故事-道德三元组的结构，系统性地考察模型从叙事文本中抽取抽象道德原则的能力。作为领域内首个聚焦抽象道德推理的基准，Morables-PD填补了现有NLP评估体系在伦理认知维度的空白，其cc-by-4.0公共领域授权方式显著降低了研究者的使用门槛，推动了机器学习与伦理学的交叉研究进展。

当前挑战

该数据集所应对的核心挑战在于，现有LLMs虽能流畅处理表面语义，却难以像人类般从叙事中提炼普适性道德准则。具体面临双重困境：其一，领域问题上，道德推理涉及隐性知识与文化差异性，模型往往混淆角色行为后果与底层伦理逻辑，导致对道德寓意的误判或过度简化；其二，构建过程中，需从大量古籍与公开网站筛选结构化道德-故事配对，确保道德注解的客观性成为人工标注的难点——不同注释者可能对同一寓言的道德指向存在分歧，需通过交叉验证机制降低主观偏差，这显著提高了数据集的构建复杂度与质量控制成本。

常用场景

经典使用场景

Morables-PD数据集以伊索寓言等经典短篇故事为核心载体，专为自然语言处理中的抽象道德推理任务而设计。通过提供标题、故事文本与标注道德寓意的三元组结构，研究者能够系统性地评估模型从叙事中提取隐含道德原则的能力。该数据集尤其适合用于零样本或少样本场景下的道德理解测试，亦可作为细粒度语义推理和隐喻解析的基准资源。每一条目均经过人工验证，确保了道德标注的准确性与文化普适性，为探究语言模型在抽象价值判断上的表现提供了标准化评估框架。

实际应用

在实际应用中，Morables-PD可作为教育科技领域道德推理训练系统的核心数据源，帮助开发能够自动为儿童或语言学习者生成个性化道德课程的智能辅导工具。其寓言与道德对应关系也可用于内容审核系统，辅助识别叙事中潜在的伦理倾向或价值偏离，提升社交媒体与推荐算法的社会责任意识。此外，该数据集还可支撑智能助手的语境化伦理决策模块，使对话系统在面对含寓意的用户输入时能够理解道德隐喻并作出符合社会规范的回应的。

衍生相关工作

Morables-PD衍生出一系列探索语言模型道德认知边界的研究工作，最直接的成果是其母论文《Morables: A Benchmark for Assessing Abstract Moral Reasoning in LLMs with Fables》，该工作已被EMNLP 2025收录。后续研究围绕该数据集展开了跨模型道德推理能力对比、基于故事的道德嵌入空间构建以及文化特异性道德迁移学习等内容。研究者还利用该数据集探索了提示工程策略对道德推理准确率的影响，以及将寓言结构化表示融入多模态理解框架的可能性，推动了抽象推理评估从事实性问答向价值导向语义理解的范式转变。