主要领域
文化与认知理解
社群动态模拟
实际应用
原因
在社会认知方面与人类有许多相似之处
文化心理学研究已经确定了东方人和西方人在处理信息和做出判断时认知过程的显著差异，在这方面，LLM 一直倾向于整体性的东方思维方式
LLM 已经被证明可以描述人类群体在社会互动环境中的特征
实际实验
实验1：llm与WEIRD（西方的，受过教育的，工业化的，富有的，民主的）认知模式密切相关，但在非WEIRD人群中准确性下降（r= -0.70），表明存在WEIRD偏差。<br>
实验2：GPT在认知任务上倾向于东方整体思维，但在价值判断上没有文化偏见，这可能是受其训练数据和方法的影响。<br>
实验3：GPT在91.7%的病例中准确地识别了情绪，在70.7%的病例中表现出相似的情绪，在同理心测试中得分低于普通人，但高于阿斯伯格综合症患者。<br>
实验4：GPT-4接近人类的情商水平，优于Bard和GPT-3.5，后者显示出述情倾向。<br>
实验5：GPT-4在情商方面的得分高于89%的人类，LLM表现出高于平均水平的情商，但使用了受模型设计影响的非人类机制。<br>
实验6：llm表现出更高的黑暗特征，但通过有针对性的微调，他们表现出更好的幸福感和心理安全感。<br>
实验7：GPT-3表现出与人类样本相似的人格特征和价值观，为LLM的心理评估提供了初步证据。<br>
实验8：GPT-4表现出明显的情绪反应模式，超过GPT-3.5，表明高级调节，但没有真实情绪。<br>
实验9：LLM重复了大多数研究结果，但显示出“超高准确性失真”，这引起了人们对教育和艺术应用的担忧。<br>
实验10：与旧模型和人类相比，新llm （GPT-4）对数学和STEM的负面偏见减少，语义关联更丰富，表明在减少刻板印象方面取得了进展。<br>
实验11：GPT-4在llm中显示出最好的人类一致性，但夸大了效果，减少了方差，突出了限制它们在心理学研究中作为人类参与者替代品的适用性的偏见。<br>
实验12：ChatGPT提高了生产力（任务完成速度提高了40%，质量提高了18%）。<br>
实验13：ChatGPT支持渐进式创新，但对激进创新的效果较差。<br>
实验14：PALR（个性化的LLM推荐）增强了对工作绩效的预测，并改善了角色匹配。<br>
实验15：基于gan的系统预测了更好的工作匹配度，并减少了招聘效率低下的情况。<br>
实验16：llm在自我利益驱动的游戏中表现良好，但在协调方面表现不佳，GPT-4在囚徒困境中表现出不可原谅的行为，难以采用简单的协调策略。<br>
实验17：GPT在所有研究中都显示出与人类启发式一致的偏见，表明语言模式本身可能会导致这些影响，独立于人类的认知和情感过程。<br>
实验18：Social simulacra（基于设计输入（目标、规则、角色）生成现实社区交互的llm驱动模拟）准确地模拟了真实的社区行为，支持“如果”的场景探索，并帮助设计师在大规模部署之前改进系统设计。<br>
实验19：包括GPT-4在内的LLM的表现低于人类水平（在socialqa（社会意图和反应）上为55%，在ToMi（精神状态和现实）上为60%），这表明单靠缩放不能产生ToM（心理理论），突出了以人为中心的NLP方法的必要性。<br>
实验20：GPT-3表现出微妙的、人口统计学上一致的偏见，表明它作为研究人类行为和社会动态的工具的潜力。<br>
实验21：GPT-3.5重复了37.5%的研究结果，但在道德基础调查中表现出统一的反应（“正确答案”效应）和偏保守，质疑其作为人类参与者替代品的可靠性和多样性。<br>
