大语言模型心理测量：评估、验证与提升的系统综述

大语言模型（LLMs）的发展速度已超过传统评估方法。这一进步带来了新挑战，如测量类人心理构造、超越静态且特定于任务的基准测试，以及建立以人类为中心的评估。这些挑战与心理测量学交汇——即量化人类心理中不可直接衡量方面的科学，如人格、价值观和智力。本综述论文引入并综合了新兴的跨学科领域——LLM心理测量学（LLM Psychometrics），该领域利用心理测量工具、理论和原则来评估、理解和提升大语言模型。所综述的文献系统性地塑造了基准测试原则，拓宽了评估范围，细化了方法，验证了结果，并推动了LLM能力的发展。整合了不同视角，为跨学科研究者提供结构化框架，使其能够更全面地理解这一新兴领域。最终，综述提供了可行见解，用于开发与人类水平AI相匹配的未来评估范式，促进面向社会福祉的人类中心AI系统的发展。一个精选的LLM心理测量资源库可在https://github.com/valuebyte-ai/Awesome-LLM-Psychometrics上访问。