An LLM-Native Psychometric Instrument Does Not Predict LLM Behavior: Evidence Across 25 Models
उच्च आंतरिक विश्वसनीयता प्रदर्शित करने के बावजूद, LLM व्यवहार संबंधी सामर्थ्य (behavioral affordances) से व्युत्पन्न एक नवीन साइकोमेट्रिक उपकरण, वास्तविक LLM व्यवहार की भविष्यवाणी करने में विफल रहता है, जो मॉडल के स्व-प्रतिवेदनों (self-reports) और देखे गए कार्यों के बीच एक महत्वपूर्ण विच्छेद को प्रकट करता है जो LLM-एज़-जज मूल्यांकन पाइपलाइनों के लिए एक महत्वपूर्ण जोखिम पैदा करता है।