从预训练模型到大语言模型：AI驱动心理计算综述
计算机与社会
2026-04-07 v1
摘要
人工智能与心理学的交叉领域经历了显著增长，2000年发表859篇论文，至2025年增长至29,979篇。然而，这种快速演进造成了方法论碎片化，其中类似的计算技术在孤立的心理学领域中独立开发。本综述介绍了首个系统分类法，依据计算处理模式而非应用领域，对AI驱动的心理学任务进行组织，归类为四种基本类型：分类、回归、结构化关系和生成式交互任务。通过分析300多篇代表性作品，涵盖预训练模型时代和大语言模型时代，我们检视了计算方法如何从任务特定特征工程演变为迁移学习和few-shot适应。我们系统覆盖数据集、评估指标和基准，同时解决解释性、标签不确定性、隐私约束和跨文化有效性等根本挑战。这种计算视角揭示了之前被领域中心组织所掩盖的可迁移方法模式，使心理计算能够实现系统化知识迁移和加速进展。
引用
@article{arxiv.2604.03259,
title = {From Pre-trained Models to Large Language Models: A Comprehensive Survey of AI-Driven Psychological Computing},
author = {Huiyao Chen and Ruimeng Liu and Yan Luo and Jiawen Zhang and Meishan Zhang and Baotian Hu and Min Zhang},
journal= {arXiv preprint arXiv:2604.03259},
year = {2026}
}
备注
56 pages, Psychological Computing with AI