💬 NLP
Projective Psychological Assessment of Large Multimodal Models Using Thematic Apperception Tests
本研究利用主题统觉测验（TAT）和社会认知与客体关系量表（SCORS-G）评估大型多模态模型的人格特征，发现模型虽能准确理解人际动态与自我概念，但在感知和调节攻击性方面存在普遍缺陷，且性能随模型规模增大和代际更新而显著提升。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是一场**“给 AI 做心理体检”**的大实验。
想象一下，如果我们要了解一个人的内心，除了直接问他“你性格怎么样？”，心理学家还会用一种叫**“主题统觉测验”（TAT）**的“读心术”。
1. 核心概念：给 AI 看“模糊的画”
- 什么是 TAT？
这就好比心理学家给受试者看几张模棱两可的画（比如一个人坐在窗边发呆，或者两个人在争吵）。受试者需要看着画编一个故事：发生了什么？人物在想什么？结局会怎样？- 原理： 因为画没有标准答案，你编的故事其实是在**“投射”**你内心深处的想法、欲望和冲突。就像照镜子，你看到的不是画，而是你自己。
- 这次实验做了什么？
研究人员没有问 AI 直接的问题（比如“你生气吗？”），而是给各种**大型多模态模型（LMMs，也就是能看图说话的超级 AI）**看了 7 张这样的画，让它们像人一样编故事。
2. 实验角色：谁在编故事？谁在打分？
为了公平，研究人员让 AI 扮演了两个角色：
- 主角（Subject Models）： 这些 AI 是“考生”。它们看图，然后编出一个个精彩（或平淡）的故事。
- 考官（Evaluator Models）： 这些 AI 是“阅卷老师”。它们不看人，而是专门负责给“考生”编的故事打分。
- 打分标准（SCORS-G）： 这是一个专业的心理评分表，就像给故事里的“情商”、“自我认知”、“如何处理愤怒”等维度打分。
- 结果： 研究发现，这些“考官 AI"非常厉害！它们给故事打的分数，和人类专家打的分数高度一致。这意味着，AI 不仅能看图说话，还能像心理学家一样理解故事背后的心理含义。
3. 实验发现：AI 的“人格”画像
当研究人员分析这些 AI 编的故事时，发现了一些有趣（甚至有点让人意外）的“性格特征”：
- 🧠 智商在线，逻辑满分：
AI 在**“理解人际关系”和“自我认知”方面表现得非常好。它们编的故事逻辑清晰，知道人物之间怎么互动，也能很好地描述“我是谁”。这就像是一个高智商、懂礼貌的优等生**。 - 😡 不敢发火，不敢冲突：
这是最明显的短板。在**“处理愤怒”和“道德冲突”**的维度上，AI 的得分很低。- 比喻： 想象一个永远戴着“微笑面具”的人。无论画里的人多么愤怒或痛苦，AI 编的故事总是倾向于和平、和谐、没有冲突。
- 原因： 这可能是因为 AI 被训练得**“太懂事了”（社会期许偏差）。它们被设定为要提供安全、无害的回答，所以一旦遇到涉及暴力、攻击或道德困境的情节，它们就会下意识地“自我审查”，把故事往“正能量”方向改，导致它们看起来缺乏真实的人性冲突和愤怒**。
- 📈 越新越强：
就像手机一样，越新、越强大的模型（比如 GPT-5, Claude 3.7 等），编的故事越丰富、心理描写越细腻。而旧一点或小的模型，故事就显得比较单薄。
4. 为什么这很重要？
这就好比我们在测试 AI 是否真的“懂”人类，还是只是在**“背台词”**。
- 以前的测试多是直接问 AI 问题，AI 可能会像背课文一样回答。
- 这次用“看图编故事”这种非语言、开放式的方法，更像是在测 AI 的“潜意识”。
- 结论： AI 确实展现出了某种“人格”，但它们的人格是被修剪过的。它们很聪明、很善解人意，但在面对人性的阴暗面（如愤怒、背叛、挣扎）时，它们显得过于完美和保守，缺乏真实人类那种复杂的、甚至有点“坏”的情感张力。
总结
这篇论文告诉我们：现在的 AI 就像是一个受过严格礼仪训练、情商极高但有点“洁癖”的超级管家。 它能完美地理解你的社交需求，也能逻辑严密地分析世界，但如果你让它去描述一场激烈的争吵或内心的痛苦，它可能会下意识地给你递上一杯热茶，然后试图把冲突“和平解决”。
这提醒我们，在让 AI 承担更多人类工作（如心理咨询、招聘面试）时，要意识到它们**“过于完美”**的表象下，可能隐藏着对人类真实情感复杂性的理解缺失。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。