GPT-4在图灵测试中表现良好，但不及人类参与者。参与者的决策主要基于语言风格和社交情感特征。个人信息无法预测检测率，深入了解系统的人也可能受到欺骗。图灵测试仍是评估自然交流和欺骗的工具。AI模型具备冒充人类能力可能对社会产生广泛影响。分析了评判人类相似性的不同策略和准则。

GPT-4在图灵测试中表现良好，但仍不及人类参与者。参与者的决策主要基于个人信息，如语言风格、社交情感特征、教育程度和对LLMs的熟悉程度等，无法预测检测率。AI模型冒充人类能力可能对社会产生广泛影响，需要评判人类相似性的准则。

本文测试了大型语言模型对文本场景进行的因果和道德判断是否与人类参与者的判断相符。结果显示，大型语言模型与人类的判断相符度有所提高，但对不同因素的重视程度存在明显差异。这些结果揭示了大型语言模型的隐含倾向，并展示了这些倾向在多大程度上与人类的直觉相一致。