人类对大语言模型的热情和能力感知
Humans Perceive Warmth and Competence in Large Language Models
-
作者:
武月婷
1
王博
2,3
包寒吴霜
4
李若男
1
吴怡
1
王嘉琪
1
程诚
3
杨丽
3,5
-
作者单位:
- 通讯作者:
王博
Email:bo_wang@tju.edu.cn
杨丽
Email:yangli@tju.edu.cn
-
提交时间:2025-07-18 14:38:50
摘要: 随着大语言模型(Large Language Models, LLMs)能力的提升及其广泛应用,社会正逐步从传统的人际交互转向融合人际交互、人机交互和机机交互的多层次互动结构。在人类与LLMs交互日益深入的背景下,研究人类如何感知LLMs成为了重要议题。本研究通过三项研究系统考察人类对LLMs的感知模式。研究一发现,与对人类的感知一致,人类主要通过热情和能力两个维度感知LLMs。然而,在一般情境下,不同于对人类感知中的热情优先,人类在对LLMs的感知中能力优先。研究二探讨了热情和能力在不同态度预测中的优先效应,结果表明,热情与能力均能正向预测人类对LLMs的持续使用意愿和喜爱度,其中能力对持续使用意愿的预测效力更高,而热情对喜爱度的预测效力更高。研究三进一步探索了人类对LLMs与对他人的感知差异,结果显示,人类对LLMs的热情评价与人类无显著差异,但对LLMs的能力评价显著高于人类。本研究为理解人类对LLMs的感知提供了理论基础,并为人工智能的设计优化及人机协作机制的研究提供了新的视角。
版本历史
[V1] |
2025-07-18 14:38:50 |
ChinaXiv:202507.00378V1
|
下载全文 |