注意差距：人类与 LLM 生成任务之间的分歧
人工智能
2026-01-29 v3 计算与语言
摘要
人类在内在动机的引导下不断生成多样化的任务。虽然由大语言模型（LLM）驱动的生成式智能体旨在模拟这种复杂行为，但它们是否基于相似的认知原理仍不确定。为了解决这个问题，我们进行了一项任务生成实验，比较了人类与 LLM 智能体（GPT-4o）的反应。我们发现，人类任务生成始终受到心理驱动因素的影响，包括个人价值观（例如，对变化的开放性）和认知风格。即使将这些心理驱动因素明确提供给 LLM，它也无法反映出相应的行为模式。它们生成的任务明显更少社交性、更少身体性，并且在主题上偏向抽象。有趣的是，虽然 LLM 的任务被认为更有趣和新颖，但这凸显了其语言能力与生成类人、具身目标的能力之间的脱节。我们得出结论，人类认知的价值驱动、具身本质与 LLM 的统计模式之间存在核心差距，这凸显了将内在动机和物理基础融入更符合人类对齐的智能体设计中的必要性。
引用
@article{arxiv.2508.00282,
title = {Mind the Gap: The Divergence Between Human and LLM-Generated Tasks},
author = {Yi-Long Lu and Jiajun Song and Chunhui Zhang and Wei Wang},
journal= {arXiv preprint arXiv:2508.00282},
year = {2026}
}