Dec, 2023
揭开黑箱：大型语言模型多方面性质的心理测量研究
Illuminating the Black Box: A Psychometric Investigation into the
Multifaceted Nature of Large Language Models
TL;DR该研究探索了AI性格或AInality的概念，表明大型语言模型（LLMs）呈现出与人类个性类似的模式。通过使用人类中心的心理测量测试，如迈尔斯-布里格斯类型指标（MBTI）、大五人格测试（BFI）和短暗黑三博士（SD3），我们确认了LLM的个性类型，并通过引入角色扮演提示，展示了LLMs的适应性，显示了它们在不同个性类型之间动态切换的能力。使用项目性测试，如华盛顿大学句子完成测试（WUSCT），我们揭示了LLMs个性的隐藏方面，这些方面通过直接提问很难获取。项目测试允许对LLMs的认知过程和思维模式进行深入探索，并为AInality提供了多方面的视角。我们的机器学习分析发现，LLMs表现出明显的AInality特征和多样化的个性类型，展示了对外部指令的动态变化。该研究开创了在LLMs上应用项目性测试的先例，揭示了它们多样而适应性的AInality特征。