大语言模型的说服力：实证证据、研究方法论与伦理影响的综述
摘要
大语言模型（LLM）的快速崛起为说服性通信创造了新的颠覆性可能性，使全自动化、个性化和交互式内容生成达到了前所未有的规模。在本文中，我们综述了基于LLM的说服这一新兴领域，回顾了测量LLM系统对人类态度和行为影响的实证研究。我们将应用分类到政治、营销、公共健康、电子商务和慈善捐赠等领域，发现此类系统经常达到人类水平甚至超越人类的说服力。综合近期证据，我们识别出影响说服效果的关键因素，包括交互方式、模型规模与能力、提示设计、个性化和AI来源披露。此外，我们批判性地审视了用于评估这些系统的实验设计和成功指标，区分直接行为结果与代理指标。我们的综述表明，基于LLM的说服的当前能力带来了深刻的伦理和社会风险，包括对信息完整性、公平性与包容性、隐私和个人自主权的威胁。这些风险凸显了制定伦理准则和更新监管框架的紧迫性，以避免不负责任和有害的LLM系统的广泛部署。
引用
@article{arxiv.2411.06837,
title = {Persuasion with Large Language Models: A Survey of Empirical Evidence, Study Methodologies, and Ethical Implications},
author = {Sander Noels and Alexander Rogiers and Maarten Buyl and Tijl De Bie},
journal= {arXiv preprint arXiv:2411.06837},
year = {2026}
}
备注
Main changes: - Slightly altered title & author ordering - New section detailing survey methodology - Expanded literature coverage and improved discussion of all references for clarity, precision & conciseness - Removed the "appealing to authority" subsection & integrated its content elsewhere - Overhauled the experimental design section - Significantly expanded success metrics discussion