人类拟像：大语言模型人格化基准测试
计算机与社会
2025-03-04 v6
摘要
大语言模型（LLM）被公认为能够紧密模仿人类智能某些方面的系统。这一能力引起了社会科学界的关注，他们看到了利用 LLM 替代实验中人类参与者的潜力，从而降低研究成本和复杂性。在本文中，我们引入了一个大语言模型人格化框架，包括从零开始构建虚拟角色人生故事的策略、能够模拟人类认知过程的多智能体认知机制，以及一种心理学导向的评估方法，用于从自我和观察两个视角评估人类模拟效果。实验结果表明，我们构建的拟像能够产生与其目标角色一致的人格化响应。我们的工作是一项初步探索，在实际应用中具有巨大潜力。所有代码和数据集都将发布，以期激发进一步的研究。我们的代码和数据集地址为：https://github.com/hasakiXie123/Human-Simulacra。
引用
@article{arxiv.2402.18180,
title = {Human Simulacra: Benchmarking the Personification of Large Language Models},
author = {Qiuejie Xie and Qiming Feng and Tianqi Zhang and Qingqiu Li and Linyi Yang and Yuejie Zhang and Rui Feng and Liang He and Shang Gao and Yue Zhang},
journal= {arXiv preprint arXiv:2402.18180},
year = {2025}
}
备注
ICLR 2025