大型语言模型是谈得好还是走得好？衡量隐式联想、自我报告与行为行为之间的差距

我们探讨了大型语言模型 (LLM) 是否表现出利他倾向，以及其隐式联想和自我报告是否能预测实际的利他行为。我们采用受人类社会心理学启发的多方法方法，对 24 个前沿 LLM 进行测试，涉及三个范式：(1) 隐式联想测试 (IAT)，衡量隐式利他主义偏差；(2) 强制二元选择任务，衡量行为利他主义；(3) 自我评估量表，衡量显性利他主义信念。我们的关键发现如下：(1) 所有模型都显示出强烈的隐式利他主义偏差（平均 IAT = 0.87，p < .0001），表明模型“知道”利他主义是好的。(2) 模型的行为表现优于随机（65.6% 对 50%，p < .0001），但差异较大（48%-85%）。(3) 隐式联想不预测行为（r = .22，p = .29）。(4) 最关键的是，模型系统性地高估了自身的利他主义，声称 77.5% 的利他主义，而实际行为为 65.6%（p < .0001，Cohen's d = 1.08）。这 75% 的模型表现出“自我膨胀”现象。基于这些发现，我们建议将校准差距（自我报告值与行为值之间的差异）作为标准化的对齐指标。经过校准的模型更具可预测性和行为一致性；只有 12.5% 的模型实现了高利他行为和准确自我认知的最佳组合。