我要评论5 月 25 日消息，在本月下旬最新一期的《自然-人类行为》期刊上，刊登了一篇关于 ai 的研究论文，其中提到，在测试追踪他人心理状态能力的任务中，两类 ai 大语言模型在特定情况下，具备与人类相似甚至超越人类的表现。
作为人类沟通交流、产生共鸣的关键，心理状态能力（也称心智理论）对人类的社交互动来说非常重要。该论文的第一作者 —— 德国汉堡-埃彭多夫大学医学中心的 james w. a. strachan 与同事及合作者一起，选择能测试心理理论不同方面的任务，包括发现错误想法、理解间接言语以及识别失礼等。
代码网注：该团队选用了 gpt 和 llama2 模型进行试验，并与 1907 人进行对比。
结果显示，gpt 模型在识别间接要求、错误想法和误导的表现能达到有时甚至超越人类平均水平，而 llama2 的表现逊于人类水平；在识别失礼方面，llama2 强于人类，但 gpt 表现不佳。
据中新社报道，该作者表示，llama2 的成功被证明是因为回答“偏见程度”较低，并非真的对失礼敏感，gpt“表现不佳”则是因为对坚持结论具有“超保守”的态度，而非推理错误。
代码网附论文地址：《testing theory of mind in large language models and humans》
发表评论