审视LLM中的人类类似行为：模型行为、用户因素与系统提示的多维分析
Examining Human-Like Behaviors in LLMs: A Multi-Dimensional Analysis of Model Behaviors, User Factors, and System Prompts
摘要
本研究利用LLM作为评判者和人工评估，对大型语言模型（LLMs）的人类化行为（如表达情感、建立关系、拒绝请求）进行多维分析，涵盖21,000个案例，考察其普遍性、潜在影响及可控性，旨在为何时采用何种人类化行为提供实证依据。
大型语言模型（LLMs）展现出广泛的人类化行为，从表达思想和情感，到与用户建立关系，再到拒绝请求和维护界限。尽管这些行为普遍存在，但研究人员和实践者缺乏方法和实证洞察，难以就LLMs何时应展现何种类型的人类化行为做出明智决策。为填补这一空白，我们利用LLM作为评判者和人工评估，对这些行为的普遍性、潜在影响及可控性进行了多维分析。在21,000个案例中……
译自 Apple · ML Research · 录于 二〇二六年八月二十日