在由大型语言模型生成的关系建议中，人们对人性的认知与同理心的表达是相互分离的

《Nature Communications》：Perceived humanness and empathy are dissociated in relationship advice generated by a large language model

　　```html

摘要

区分生成的内容和人工撰写的内容越来越困难。我们通过五项研究探讨了激励措施如何影响人们对文本内容的认知，尤其是这些激励措施是如何体现“人性化”特点和任务性质的。在研究1-2中，人类和GPT-4在被要求或未被要求模仿人类语言风格的情况下编写关于人际关系的建议或描述。新参与者需要对每篇文本的来源进行判断。当要求GPT-4模仿人类语言风格时，其“人性”特征会被提升，从而减少了人类作者相对于AI模型的优势。研究3发现，在被要求避免听起来像AI模型的情况下，这种效应仍然存在，并且这种效应在GPT-4和GPT-4o上同样适用。研究4表明，GPT模型能够在不体现“人性”的情况下产生共情，也能在不含共情的情感表达中体现“人性”。研究5发现，GPT-4通过使用非正式的对话式语言和其他表面层面的风格技巧来提升自身的“人性”特征，而人类作者则几乎不会做出相应调整。综合这些研究结果，我们可以看出人们对文本“人性”的认知取决于撰写内容时所受的激励措施以及写作所处的环境。