IT之家 5 月 25 日消息，在本月下旬最新一期的《自然-人类行为》期刊上，刊登了一篇关于 AI 的研究论文，其中提到，在测试追踪他人心理状态能力的任务中，两类 AI 大语言模型在特定情况下，具备与人类相似甚至超越人类的表现。

图源 Pixabay

作为人类沟通交流、产生共鸣的关键，心理状态能力（也称心智理论）对人类的社交互动来说非常重要。该论文的第一作者 —— 德国汉堡-埃彭多夫大学医学中心的 James W. A. Strachan 与同事及合作者一起，选择能测试心理理论不同方面的任务，包括发现错误想法、理解间接言语以及识别失礼等。

IT之家注：该团队选用了 GPT 和 LLaMA2 模型进行试验，并与 1907 人进行对比。

结果显示，GPT 模型在识别间接要求、错误想法和误导的表现能达到有时甚至超越人类平均水平，而 LLaMA2 的表现逊于人类水平；在识别失礼方面，LLaMA2 强于人类，但 GPT 表现不佳。

据中新社报道，该作者表示，LLaMA2 的成功被证明是因为回答“偏见程度”较低，并非真的对失礼敏感，GPT“表现不佳”则是因为对坚持结论具有“超保守”的态度，而非推理错误。

IT之家附论文地址：《Testing theory of mind in large language models and humans》