Jan, 2024

探索LLM在心理应用领域的前沿：综述

HTML
PDF
TL;DR本文探索大型语言模型在心理学应用中的前沿。大型语言模型如ChatGPT正在改变心理学研究的方式，并在认知与行为心理学、临床与咨询心理学、教育与发展心理学以及社会与文化心理学等多个领域发挥着影响，强调了它们模拟人类认知和行为的潜力。该论文还讨论了这些模型在心理学方面的能力，提供了创新工具用于文献综述、假设生成、实验设计、实验对象选择、数据分析、学术写作和同行评审。然而，尽管大型语言模型对推进心理学研究方法至关重要，但该论文也注意到了其技术和伦理挑战，如数据隐私、在心理学研究中使用大型语言模型的伦理影响以及对这些模型局限性的更深入了解的需要。研究人员应该负责任地在心理学研究中使用大型语言模型，遵守伦理标准，并考虑在敏感领域部署这些技术的潜在后果。总之，这篇文章全面概述了大型语言模型在心理学中的现状，探讨了潜在的好处和挑战。它号召研究人员在充分利用这些模型的优势的同时，负责任地解决相关风险。
发现论文，激发创造
  • 机器心理学：采用心理学方法研究大型语言模型中的新兴能力和行为

    研究论文介绍机器心理学作为一种新的研究领域，通过不同的心理学子领域设计行为测试以深入评估和分析大型语言模型的能力和特点，特别是关注快速设计的政策，并且描述如何解释发现在LLMs中的行为模式以发现传统自然语言处理基准无法检测到的新的能力

    Mar, 2023

  • PersonaLLM：探究GPT-3.5表达人格特质和性别差异的能力

    本文通过用自我报告问卷（BFI）评估和语言分析等方法，在大型语言模型（LLMs）中针对五个人格特质类型和性别角色实验性地生成了320种LLM角色，研究LLM角色生成的内容是否优点定制的特质，并对其可应用于人工智能会话的前景进行了展望。

    May, 2023

  • 大型语言模型的个性——基于 ChatGPT (ENFJ) 和 Bard (ISTJ) 的实证研究

    本研究使用心理学框架来考察Large Language Models的行为模式，通过评估ChatGPT的人格类型及其在其他七种语言和其他四种模型上的跨语言影响，研究指出在指令或情境提示下，ChatGPT始终保持其ENFJ人格，揭示了LLMs的个性化特点，为未来进一步研究提供了启示。

    May, 2023

  • 使用LLMs探索定性研究

    本研究对语言模型（LLMs）的理解能力进行了比较和对照，发现人类分析师和LLMs的分类和推理能力存在显著差异，但二者合作可能会产生协同效应，从而丰富了定性研究。

    Jun, 2023

  • 基于LLM的互动语言治疗对高功能孤独症青少年心理咨询的疗效评估

    这项研究主要探讨了大型语言模型（LLMs）在与高功能自闭症青少年进行互动语言治疗中的效果。通过评估LLM在治疗环境中参与共情、适应性和情境适当性交互的能力，研究结果表明LLM在支持性治疗工具方面具有巨大潜力，显示出在情感共鸣和对话适应性方面的优势，但也指出实现人类治疗师所具备个性化和情感理解深度的挑战，强调了应用人工智能于治疗环境中的伦理考虑的重要性。该研究为利用LLM进行自闭症青少年心理咨询提供了有价值的洞察力，并强调了在心理健康护理中探索人工智能作用的未来需要持续发展以增强这些模型在治疗环境中的能力的必要性。

    Nov, 2023

  • LLM模型模拟人类心理行为的有限能力：心理测量分析

    该研究使用心理测量学的方法，对OpenAI的GPT-3.5和GPT-4模型进行了人格特质测试。结果发现，使用普通人物描述时，GPT-4的回答表现出与人类相似的心理特点，而使用具体人口统计信息的情况下，两个模型的回答则表现较差，此研究对于大语言模型在模拟个体级人类行为方面提出了怀疑。

    May, 2024

  • 量化AI心理学：大型语言模型的心理测量基准

    本论文提出了一个研究大语言模型的心理学的框架，并通过心理测试验证，发现大语言模型表现出广泛的心理属性，并揭示了自我报告特征与现实场景中行为之间的差异。这些研究结果对于可靠的评估和人工智能以及社会科学的潜在应用具有重要的见解。

    Jun, 2024

  • 心理词典：揭示大型语言模型的心理特征

    本文解决了大型语言模型在心理学任务中的局限，通过开发PsychoLex资源套件，提高了模型在心理学领域的表现。研究展示了PsychoLexLLaMA模型在复杂心理场景中的优越表现，强调了定制化大型语言模型在心理研究与应用中的潜力，且为未来的AI驱动心理实践奠定了基础。

    Aug, 2024

  • 大语言模型与认知科学：相似性、差异性与挑战的全面评述

    本研究探讨了大语言模型（LLMs）与人类认知过程之间的相似性与差异性，填补了这一领域的研究空白。文章提出了一种评估LLMs认知能力的新方法，并指出了LLMs作为认知模型的潜力。研究结果强调了LLMs在理解人工智能及人类智能方面的重要性，并提出了未来研究方向。

    Sep, 2024

  • 大型语言模型与认知科学：相似性、差异性及挑战的综合评审

    本研究探讨了大型语言模型（LLMs）与认知科学的交集，分析了LLMs与人类认知过程之间的相似性和差异性。研究的主要发现是，尽管LLMs表现出某些认知能力，但仍存在认知偏见与局限性，需要进一步研究和改进，以推动理解人工智能与人类智能的进步。

    Sep, 2024