StressPrompt：压力是否对大语言模型和人类表现产生类似影响？

人类常常会经历压力，这会显著影响其表现。本研究探讨了大语言模型（LLM）是否 exhibit类似于人类的压力反应，以及其在不同压力诱导提示下的表现是否波动。为此，我们开发了一套新颖的提示词，称为StressPrompt，旨在诱导不同程度的压力。这些提示词源自 established心理学框架，根据来自人类参与者的评级进行精心校准。随后，我们将这些提示词应用于多个LLM，以评估其在包括指令遵循、复杂推理和情感智能等任务上的响应。研究发现，LLM如同人类一样，在适度压力下表现最佳，符合Yerkes-Dodson法则。值得注意的是，在低压力和高压力条件下，其表现会下降。我们的分析进一步表明，这些StressPrompt显著改变了LLM的内部状态，导致其神经表征发生变化，这些变化类似于人类对压力的响应。该研究为理解LLM的operational robust性和灵活性提供了关键见解，展示了在诸如客户服务、医疗和紧急响应等现实场景中，其中压力普遍存在的情况下，设计能够维持高性能的AI系统的重要性。此外，本研究为更广泛的AI研究社区贡献了新的视角，关于LLM如何处理不同情景及其与人类认知的相似性。