从五维度到多维度：作为精确且可解释的心理画像师的大型语言模型

个体内部的心理构念被广泛认为是相互关联的。我们研究了大型语言模型是否以及如何能够从最少的定量输入中建模人类心理特质的相关结构。我们向各种大型语言模型提供了816名人类个体的大五人格量表回答，要求它们扮演角色并回答其他九个心理量表。大型语言模型在捕捉人类心理结构方面表现出显著的准确性，其生成回答的跨量表相关模式与人类数据高度一致$(R^2 > 0.89)$。这种零样本性能大大超过了基于语义相似性的预测，并接近了直接在数据集上训练的机器学习算法的准确性。对推理轨迹的分析揭示了一个系统的两阶段过程：首先，它们通过信息选择和压缩将原始的大五人格回答转化为自然语言人格摘要，类似于生成充分统计量。其次，它们基于对这些摘要的推理来生成目标量表回答。在信息选择方面，大型语言模型识别出与训练算法相同的关键人格因素，尽管它们未能区分因素内项目的重要性。由此产生的压缩摘要不仅仅是冗余的表示，而是捕获了协同信息——将它们添加到原始分数中增强了预测对齐，表明它们编码了特质相互作用的涌现的、二阶模式。我们的发现表明，大型语言模型可以通过抽象和推理过程，从最少的数据中精确预测个体参与者的心理特质，为心理模拟提供了一个强大的工具，并为其涌现的推理能力提供了宝贵的见解。