尝试成为人类：语言模型中随机共情的语言痕迹
原文中文，约500字，阅读约需1分钟。发表于：。本研究解决了人类与人工智能生成内容的识别难题，探讨了共情和表现人性的动机对这一过程的影响。通过两项实验，我们发现在人类需要表现共情时，他们的表现优于语言模型，而当语言模型被指示表现人性时，其性能反而接近人类。该研究揭示了语言模型通过隐含的文本人性特征来模仿随机共情的能力，可能促使生成的文本更具人类特征。
研究探讨了大型语言模型（LLMs），特别是OpenAI的ChatGPT系列的可控性。通过OCEAN框架评估模型对定制提示的响应，发现其在“责任心”和“神经质”上表现明显，而“外向性”和“宜人性”有重叠但不同。研究强调了GPT的多功能性和适应能力，同时指出模型能力提升和训练技术不透明的问题，建议进一步完善以符合人类意图。
