基于大语言模型的生成式心理测量学衡量人类与AI价值观

人类价值观及其测量是一个长期存在的跨学科研究课题。人工智能的最新进展重新激发了该领域的兴趣，大语言模型(LLM)既成为价值测量的工具，也成为测量对象。本工作引入了生成式价值观心理测量学(GPV)，一种基于LLM的、数据驱动的价值测量范式，其理论基础是文本揭示的选择性感知。核心思想是将非结构化文本解析为类似于传统心理测量学中的刺激的感知，测量它们所揭示的价值取向，并汇总结果。将GPV应用于人类撰写的博客，我们证明了其稳定性、有效性以及相对于现有心理学工具的优越性。然后，将GPV扩展到LLM价值测量，我们推进了现有技术，具体包括：1)一种基于LLM可扩展和自由形式输出的心理测量学方法，实现上下文特定的测量；2)对测量范式的比较分析，揭示了先前方法的响应偏差；3)尝试将LLM价值观与其安全性联系起来，揭示了不同价值观的预测能力以及各种价值观对LLM安全性的影响。通过跨学科努力，我们旨在利用AI推动下一代心理测量学，并利用心理测量学推动AI的安全性。