评估大语言模型之本质：一种反人类中心主义的警示

随着 OpenAI 的聊天机器人 ChatGPT 的发布，生成式 AI 模型引发了公众的大量关注与猜测。至少存在两种观点阵营：一方对这些模型为人类任务带来根本性改变的可能性感到兴奋，另一方则高度担忧这些模型似乎拥有的能力。为解决这些担忧，我们使用标准化、常模化且经过验证的认知与人格测验评估了多个 LLM，主要是 GPT 3.5。在这个初步项目中，我们开发了一套测试组合，使我们能够估计其中部分模型能力的边界、这些能力在短时间内的稳定性，以及它们与人类的比较。我们的结果表明，LLM 不太可能已发展出感知觉，尽管其回应人格量表的能力颇为有趣。GPT3.5 在重复观测中确实在认知与人格测验上表现出较大变异性，而如果其具有类人的人格，这是不被预期的。尽管存在变异性，LLM 表现出在人类中会被视为心理健康状况不佳的特征，包括低自尊、明显与现实脱节，以及在某些情况下自恋与精神变态，尽管其回应显得乐观且有帮助。