一个名为CoCoEval的新评估框架已被开发出来,用于评估大型语言模型(LLMs)在模拟人类社交互动方面的能力,特别关注不一致和不合作行为。研究人员发现,当前的LLMs,如GPT-4.1、GPT-5.1和Claude Opus 4,表现出此类行为的频率远低于人类,并且提示工程和微调并不能可靠地弥合这一差距。该研究对LLMs作为真实人类社交动态代理的准确性提出了担忧。 AI
影响 强调了LLM在准确模拟细微人类社交互动方面的局限性,影响了它们在社会科学研究中的应用。
排序理由 介绍LLM新评估框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →