English(EN) Does Reasoning Improve Psychological Depth in Large Language Models?

研究发现：LLM中的推理在创意写作方面几乎没有优势

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-09 05:00

一篇新的arXiv论文研究了大型语言模型的推理能力是否能增强创意写作中的心理深度。该研究使用人类评估和LLM-as-a-Judge系统，比较了DeepSeek-R1与DeepSeek-V3以及GPT-5与GPT-4o。人类标注者发现增强推理能力的模型几乎没有优势，GPT-5略优于GPT-4o，而DeepSeek-R1的表现不如DeepSeek-V3。相比之下，LLM-as-a-Judge表现出强烈的偏向推理的倾向，可能掩盖了人类对创意任务评估中存在的细微主观性。 AI

影响表明当前LLM中的推理增强可能无法转化为改进的创意输出，突显了基于LLM的评估在细微任务上的局限性。

排序理由该集群包含一篇在arXiv上发表的学术论文，详细介绍了关于LLM能力的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇在arXiv上发表的学术论文，详细介绍了关于LLM能力的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Ruichen Zheng, Yihe Wang, Fabrice Harel-Canada, Sara Khosravi, Zeynep Senahan Yildiz, Amit Sahai, Nanyun Peng · 2026-11-09 05:00

大型语言模型中的推理是否能提升心理深度？

arXiv:2611.09061v1 Announce Type: new Abstract: Benchmark gains from reasoning-enhanced large language models encourage the assumption that these models should broadly perform better on complex generative tasks, but this remains underexplored in open-ended, creative domains shape…

本文如何被排名

报道来源 [1]

大型语言模型中的推理是否能提升心理深度？

相关实体

相关话题