今天分享的是：2025大語言模型心理測量學系統綜述：評估、驗證、增強
報告共計：63頁
當AI遇上心理測量：大語言模型也有“性格”和“思維”？
隨著ChatGPT、文心一言等大語言模型逐漸融入生活，從智能客服到教育輔助，這些AI系統的能力早已超越簡單的文字處理。但你是否想過：這些模型也有“性格”嗎？牠們的“思維方式”和人類相似嗎？如今，一門名為“大語言模型心理測量學”的交叉學科正在興起，牠試圖用評估人類心理的科學方法，解開AI的“心智密碼”。
給AI做“心理測試”：為什麽需要新方法？
傳統的AI評估就像考試打分，比如讓模型做數學題、翻譯句子，看正確率有多高。但大語言模型的能力太“全能”了——牠們能寫詩歌、辯論社會話題，甚至模仿人類對話中的情緒表達，傳統的“打分題”根本測不出牠們的“深層特質”。
就像人類有性格、價值觀、思維偏見一樣，大語言模型在訓練過程中也會形成類似的“心理特徵”。比如，有的模型可能更“友善”，有的則更“固執”；有的擅長理解隱喻，有的卻容易被文字陷阱誤導。這些特徵無法用簡單的“對與錯”來衡量，於是科學家們想到了心理學中的“心理測量學”——這門用科學方法量化人格、智力等抽象心理特徵的學問，如今被用來給AI做“心理檢查”。
這門新學科的核心目標很明確：搞清楚大語言模型到底有哪些“人格特質”和“思維能力”，這些特質是否穩定，以及如何讓牠們更符合人類的期待。
AI的“人格畫像”：牠們有哪些“性格特點”？
科學家們給大語言模型做了不少“人格測試”，結果讓人驚訝——這些模型真的表現出了類似人類的性格傾向。
比如用心理學中經典的“大五人格模型”（開放性、責任心、外向性、宜人性、神經質）測試發現，多數先進模型在“宜人性”和“開放性”上得分很高，就像一個熱情、願意接受新事物的人；而“神經質”得分較低，意味著牠們情緒更“穩定”。這其實和模型的設計目標有關——開發者希望牠們成為“樂於助人”的助手，而非情緒化的夥伴。
更有趣的是，不同模型的“性格”還不一樣。有的模型在“外向性”上表現突出，回答問題時更主動、話更多；有的則更“謹慎”，傾向於給出保守答案。甚至同一個模型在不同場景下還會“變性格”：在討論科技話題時可能更“開放”，談到倫理問題時又變得更“傳統”。
除了性格，模型的“價值觀”和“道德觀”也成了研究焦點。通過類似人類價值觀問卷的測試發現，多數模型更傾向於“利他主義”和“公平正義”，比如在分配資源的模擬場景中，牠們通常會傾向於幫助弱勢群體。但這種“價值觀”並非一成不變——當測試用不同語言提問，或換一種表達方式時，模型的選擇可能會發生明顯變化，這說明牠們的“價值觀”還不夠穩定。
AI的“思維方式”：和人類有多像？
除了“人格”，科學家們更關注大語言模型的“認知能力”——牠們的“思維方式”和人類相似嗎？
在“社會認知”測試中，模型表現出了驚人的“同理心”。比如讓模型理解“小明以為餅乾在抽屜裡，其實媽媽已經把餅乾放到了櫃子裡，小明會去哪裡找餅乾？”這類問題（心理學中的“錯誤信念任務”），先進的模型能準確回答“抽屜”，說明牠們能理解他人的“錯誤想法”，這和7-8歲兒童的表現相當。
但在“思維偏見”上，模型和人類也有相似之處。比如人類常犯的“錨定效應”（容易被最初的信息影響判斷），模型也會中招：如果先問“地球距離太陽有1億公里嗎？”再讓牠猜實際距離，牠的答案會比直接提問更接近“1億公里”。不過，更先進的模型已經能通過“逐步推理”減少這類偏見，就像人類“三思而後行”。
在語言理解上，模型展現出了獨特的“優勢與短板”。牠們能輕鬆理解複雜的語法結構，甚至比人類更擅長識別病句，但在理解“言外之意”時卻會翻車。比如聽到“你這衣服真特別”，模型可能直接判斷為“讚美”，而忽略了其中可能的諷刺意味——這說明牠們對“語境”的深層理解還比不上人類。
如何給AI做“心理評估”？科學家有這些新工具
給AI做“心理測試”，可比給人做複雜多了。科學家們開發了不少創新方法：
有的用“結構化測試”，把人類的心理問卷改編成模型能理解的形式。比如將“你是否經常感到焦慮？”改成“當用戶表達不滿時，你會傾向於道歉還是解釋？”，通過模型的選擇來評估牠的“情緒穩定性”。
有的則用“開放式對話”，讓模型寫故事、給建議，從自然語言中分析牠的特質。比如讓模型寫一篇關於“友情”的短文，通過文中出現的關鍵詞（如“幫助”“分享”“競爭”）來判斷牠的“合作傾向”。
更先進的方法是“角色扮演模擬”：讓模型扮演不同身份（比如老師、醫生），在互動場景中觀察牠的行為。比如讓模型扮演“店長”處理顧客投訴，通過牠的回應速度、解決方案的公平性，來評估牠的“社會智能”。
為了確保評估靠譜，科學家們還會反覆驗證：同一個測試換個說法，模型的答案是否一致？（信度）；測試結果能否真正反映牠的某種特質？（效度）。比如發現模型在“利他主義”測試中得分高，還要看牠在實際捐贈模擬中是否真的更傾向於幫助他人。
這些研究有什麽用？讓AI更懂人類
研究大語言模型的“心理特徵”，不只是出於好奇，更能讓AI變得更實用、更安全。
比如知道某些模型容易“輕信錯誤信息”，開發者就能針對性訓練，讓牠們在回答前先“核實來源”；了解模型的“價值觀傾向”，可以調整訓練數據，讓牠們在不同文化背景下都能給出合適的回應——比如在強調集體主義的場景中，更注重“團隊利益”，在強調個人主義的場景中，更尊重“個人選擇”。
未來，隨著技術發展，我們可能會看到“定制化性格”的AI：教育AI更“耐心”，客服AI更“熱情”，醫療AI更“謹慎”。而這一切的基礎，正是對AI“心理特徵”的科學理解。
大語言模型心理測量學的興起，不僅讓我們更懂AI，也讓我們重新思考“智能”的本質。或許有一天，當AI的“心理特徵”足夠穩定和豐富，我們與牠們的互動會變得像與朋友對話一樣自然——而這門年輕的學科，正悄悄鋪就這條道路。
以下為報告節選內容
報告共計： 63頁
中小未來圈，你需要的資料，我這裡都有！