研究：人类心理测量问卷无法准确描述大语言模型行为

该研究分析了八种开源大语言模型，发现使用针对人类设计的心理测量问卷来评估模型的价值和个性特征并不可靠。研究结果表明，此类问卷调查可能无法真实反映模型在日常用户交互中的实际行为表现。这提示需要开发更适合AI的评估方法。

AI推荐理由 该研究表明直接套用人类心理问卷评估AI模型的价值和个性会导致判断偏差，行业需开发专门针对AI行为的测评工具，以免对模型对齐与安全性产生误判。