心理学上有力，计算上不可见：LLM 生成无法被检测的社交比较诱导帖子
计算与语言
2026-05-26 v2
摘要
我们提出了 Xiaohongshu 社交比较读者触发器 (XHS-SCoRE)，这是一项以读者为导向的基准测试，用于检测仅含文本的 Xiaohongshu (RedNote) 帖子是否会从第一人称读者视角引发向上、向下或中性/无明确社交比较。该任务针对一种在社会层面上具有意义、在行为层面上真实可感知的信号进行建模，这种信号无法归约为情感。我们发现，在提示下的 LLM 分类器和受监督的中文编码器中，存在一致的生成-检测不匹配：该信号在数据内可被学习，但对基于提示的分类器而言并不稳健可访问。提示下的 LLM 分类器表现出稳定的失效，尤其是对社交比较诱导帖子的中性化处理以及模型特定的方向性偏斜。我们进行的一项受控小规模实验显示，LLM 生成的 Xiaohongshu 风格帖子即使在基于提示的检测手段对同一构念保持脆弱时，也能改变受试者的感知地位和比较相关情绪。XHS-SCoRE 为读者导向的比较检测提供基准数据集，并为研究在基于提示的推断中哪些社会意义上的关系线索仅部分可见提供诊断框架。
引用
@article{arxiv.2605.01017,
title = {Psychologically Potent, Computationally Invisible: LLMs Generate Social-Comparison-Eliciting Posts They Fail to Detect},
author = {Hua Zhao and Jiapei Gu and Michelle Mingyue Gu},
journal= {arXiv preprint arXiv:2605.01017},
year = {2026}
}
备注
19 pages, preprint Title change: Psychologically Potent, Computationally Invisible: LLMs Generate Social-Comparison-Eliciting Posts They Fail to Detect