大型语言模型能否预测人类态度之间的关联？
计算与语言
2025-03-28 v1 人工智能
摘要
先前的研究表明，大型语言模型（LLMs）能够基于其他态度预测人类态度，但这一工作主要聚焦于高度相似和关联的态度之间的预测。相反，人类态度往往在广泛且不相似的主题之间存在强烈关联。使用一个新的数据集收集的人类对多样化态度陈述的响应，我们发现前沿语言模型（GPT-4o）能够重建个体态度之间的两两相关性，并预测个体的一个态度从另一个态度出发。关键的是，在先前工作的基础上，我们测试了 GPT-4o 在态度之间缺乏表面相似性时的预测能力，发现尽管表面相似性会提高预测准确度，但该模型仍具备高度能力，从而在不相似的态度之间生成有意义的社交推断。总体而言，我们的发现表明，LLMs 捕捉到了人类信念体系中关键方面的深层结构。
引用
@article{arxiv.2503.21011,
title = {Can Large Language Models Predict Associations Among Human Attitudes?},
author = {Ana Ma and Derek Powell},
journal= {arXiv preprint arXiv:2503.21011},
year = {2025}
}