AI模型在预测日常社交规范方面超越单个人类的准确性
人工智能
2025-08-27 v1
摘要
认知科学中的一个基本问题关乎社交规范是如何获取和表示的。虽然人类通常通过具身化的社会经验来学习规范，但我们调查了大型语言模型是否仅通过统计学习就能实现精细的规范理解。在两项研究中，我们系统评估了多个AI系统预测人类社交恰当性判断能力，以555种日常情景为基础，考察其与每个人类参与者平均判断的接近程度。在研究1中，GPT-4.5在预测连续尺度上的集体判断准确性超过了每一个人类参与者（第100百分位）。研究2复制了这一结果，Gemini 2.5 Pro超越了98.7%的人类，GPT-5为97.8%，Claude Sonnet 4为96.0%。尽管具有预测力，所有模型都显示出系统性、相关的错误。这些发现表明，仅通过语言数据的统计学习，就可以从统计学习中涌现出精细的社会认知模型，挑战了强调仅凭具身经验就必然具备文化能力的理论。不同架构中AI局限性的系统性表明了基于模式的社会理解的潜在边界，而模型在这一预测任务中超越近乎所有个体人的能力，表明语言作为文化知识传递的极其丰富的储存库。
引用
@article{arxiv.2508.19004,
title = {AI Models Exceed Individual Human Accuracy in Predicting Everyday Social Norms},
author = {Pontus Strimling and Simon Karlsson and Irina Vartanova and Kimmo Eriksson},
journal= {arXiv preprint arXiv:2508.19004},
year = {2025}
}
备注
18 pages + supplementy materials