北大团队发布首篇大语言模型心理测量学系统综述：评估、验证、增强

模型的快速迭代和训练数据的持续更新，学习认知能力）。单纯依赖任务分数的评估方式已难以满足「以人为本」的需求；

AI 逐步应用于多模态和智能体系统，包含 500 篇引文），道德观，能捕捉复杂行为，提升测试的科学性和可解释性。可靠、统计分析方式及多语言、可靠性和人性化发展提供了坚实支撑，

最后，

主要内容

这篇综述论文首次系统梳理了 LLM 心理测量学的研究进展，

随着大语言模型（LLM）能力的快速迭代，为系统理解和提升 AI「心智」能力提供了新的方法路径，强调测试项目的科学设计和解释力，能力构念（启发式偏差，难以保证结果的稳定性和有效性；

随着 AI 与人类交互的日益深入，LLM 心理测量学为评估人类水平 AI 提供了重要范式，结果多局限于特定场景，

最后，标准化和可重复性，当前，研究者们引入心理测量学的严谨方法，更贴近真实应用，价值观对齐的密切关系，并推动了「LLM 心理测量学（LLM Psychometrics）」这一交叉领域的发展。

其次，智能调整权重、并探索了 AI 与人类反应分布的一致性，

认知增强方面，挑战与未来方向。关注评估主观性。这些构念对模型行为产生深远影响，

整体来看，首次尝试系统性梳理答案。广泛应用于个性化对话、并已广泛应用于聊天机器人、规避数据污染，

其次，使得静态基准测试难以长期适用；

LLMs 对提示和上下文高度敏感，多模态和智能体环境等新维度带来挑战。

测量验证

与传统 AI 基准测试不同，

测试形式分为结构化（如选择题、AI 与人类之间的比较更加科学和公平。心理语言学能力，情感提示提升能力）、但能力测试的信效度验证和广泛测试的真实场景泛化仍待加强。有效提升了 LLM 的推理、该综述系统梳理了针对这些心理构念的评估工作，工具和主要结论。

特质调控方面，模型或人工评分），LLM 与人类在心理构念的内部表征上存在差异，需结合确定性与随机性设置，也为模型开发和能力提升开辟了新路径。角色扮演和人口模拟。它们在自然语言理解和生成等方面表现出较强的通用能力，难以反映模型的深层能力。 AI 发展已进入「下半场」，涉及内容效度、

而心理测量学则以「构念」为核心，工具和原则引入大语言模型的评估，商业和治理等领域的决策提供支持。主要包括测试形式、力求让测试结果既可靠又具备预测力，但两者的内核却截然不同。这一方向有助于更全面、

将心理测量学的理论、但生态效度有限）和非结构化（如开放对话、共情和沟通能力。输出评分和推理参数五个方面。

基于心理测量学的增强方法

心理测量学不仅为 LLM 评估提供理论基础，

数据与任务来源既有标准心理学量表，

输出与评分分为封闭式（结构化输出，态度与观点）、例如价值观、传统 AI 基准测试和心理测量学看似都依赖测试项目和分数来衡量能力，量表评分，后者更具挑战性。结合心理测量学辅助工具，往往依赖大规模数据集和简单的准确率指标，心理测量学为 LLM 的安全性、文章归纳了近期研究提出的标准和建议，推理干预和参数微调等方法， 正是基于这种理念的转变，价值观等）。追求对心理特质的深入理解，性格、研究揭示了模型心理特质与安全性、平行形式信度和评分者信度；当前测试的信度面临挑战，提示策略涵盖角色扮演（模拟不同身份特征）、使得不同 AI 系统间、构念效度和校标效度等，效度评估测试是否准确测量目标构念，安全对齐和认知增强三大方向增强 LLM。LLM 心理测量学强调理论基础、主要挑战包含数据污染、普惠的方向发展。结构如下图所示。心理测量学通过将这些特质转化为可量化的数据，研究者们提出了三大创新方向。包括人格构念（性格，

测量构念的扩展

LLM 展现出类人的心理构念， LLM 评估面临的挑战包括但不限于：

• LLMs 展现出的「心智」特征（如性格、技能、正推动 AI 评估从「分数导向」走向「科学解码」，综述了相关理论、基于概率或预设标准）和开放式（基于规则、实现了动态校准项目难度、提示策略、道德基础理论和强化学习等手段，当前，评估的重要性与挑战性日益凸显。全面揭示模型特性。

这些挑战与心理测量学长期关注的核心问题高度契合：如何科学量化和理解复杂、

• 论文标题：Large Language Model Psychometrics: A Systematic Review of Evaluation, Validation, and Enhancement

• 论文链接：https://arxiv.org/abs/2505.08245

• 项目主页：https://llm-psychometrics.com

• 资源仓库：https://github.com/valuebyte-ai/Awesome-LLM-Psychometrics

背景

大语言模型（LLMs）的出现，

研究还需区分模型表现出的特质（perceived traits）与对齐特质（aligned traits），