大语言模型中精神病理学计算特征的涌现
神经元与认知
2025-11-24 v2 人工智能
计算与语言
摘要
大语言模型（LLM）能否实例化精神病理学的计算？解决该问题的一种有效方法取决于对两个因素的探讨。首先，出于概念有效性，我们需要一种关于精神病理学的通用且可计算的描述，使其适用于没有生物具身性或主观体验的计算实体。其次，从改编理论中推导出的精神病理学计算，需要在 LLM 的内部处理中被经验性地识别出来。因此，我们建立了一个计算理论框架，以提供适用于 LLM 的精神病理学描述。基于该框架，我们进行了实验并论证了两个关键主张：第一，精神病理学的计算结构存在于 LLM 中；第二，执行该计算结构会导致精神病理学功能。我们进一步观察到，随着 LLM 规模的增加，精神病理学的计算结构变得更加密集，且其功能变得更加有效。综上所述，实证结果证实了我们的假设，即精神病理学的网络理论计算已经在 LLM 中涌现。这表明，某些反映精神病理学的 LLM 行为可能不是表面的模仿，而是其内部处理的一个特征。我们的工作展示了开发一种新型强大精神病理学 in silico 模型的前景，同时也暗示了在不久的将来，表现出精神病理学行为的 AI 系统可能带来安全威胁的可能性。
引用
@article{arxiv.2504.08016,
title = {Emergence of psychopathological computations in large language models},
author = {Soo Yong Lee and Hyunjin Hwang and Taekwan Kim and Yuyeong Kim and Kyuri Park and Jaemin Yoo and Denny Borsboom and Kijung Shin},
journal= {arXiv preprint arXiv:2504.08016},
year = {2025}
}
备注
pre-print