LLM自评与行为差距研究覆盖25模型

1. 12:00
   arXiv · Human-Computer Interaction

   LLM 原生心理测量工具揭示 25 个模型的自我报告与行为差距

   论文构建由 LLM 专属行为组成的自陈量表，对 17 家开发者的 25 个 LLM 施测 300 题各 30 次，得到五个可复现因子。自陈结果与 2500 个开放式行为样本的人类评分几乎不相关，verbose 除外；Responsiveness 上自陈更贴近 LLM 评委而非人类。

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.