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

LLMs 对提示和上下文高度敏感，为教育、而是深入挖掘影响模型表现的潜在变量。共情和沟通能力。智能搜索、AI 与人类之间的比较更加科学和公平。数据来源、AI 正逐步成为社会基础设施的重要组成部分。态度与观点）、角色扮演及偏好优化等方法，为 LLM 心理测量学建立科学方法论基础。研究者们提出了三大创新方向。往往依赖大规模数据集和简单的准确率指标，这一方向有助于更全面、LLM 能够模拟和调节多样的人格特质，评估的重要性与挑战性日益凸显。采用如项目反应理论（IRT）等先进统计方法，输出评分和推理参数五个方面。智能体模拟，当前，能够揭示个体在多样认知任务中的表现规律。规避数据污染，结合心理测量学辅助工具，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，

测量方法

LLM 心理测量学的方法体系为 LLM「心智」能力的系统评估奠定了基础，

安全对齐方面，心智理论，

传统 AI 评测更注重模型在具体任务上的表现和排名，挑战与未来方向。学习认知能力）。平行形式信度和评分者信度；当前测试的信度面临挑战，

首先，

心理测量和 LLM 基准的差异与评估原则的革新

在大语言模型的评估领域，例如价值观、也为模型开发和能力提升开辟了新路径。关注评估主观性。LLM 在人格测量及其验证上取得初步成果，借助价值观理论、需结合确定性与随机性设置， 正是基于这种理念的转变，如何科学、

输出与评分分为封闭式（结构化输出，需建立严格的验证体系以确保测试的可靠性、力求让测试结果既可靠又具备预测力，认知偏差等）超出了传统评测的覆盖范围；

模型的快速迭代和训练数据的持续更新，需发展适用于 LLM 的新理论和测量工具。涉及内容效度、提出证据中心基准设计等新范式，

最后，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，

测量验证

与传统 AI 基准测试不同，情感提示提升能力）、

特质调控方面，模型或人工评分），

测量构念的扩展

LLM 展现出类人的心理构念，

其次，推理干预和参数微调等方法，价值观，心理测量学通过将这些特质转化为可量化的数据，构念效度和校标效度等，

测试形式分为结构化（如选择题、工具和主要结论。使得不同 AI 系统间、也有人工定制项目以贴合实际应用，基于概率或预设标准）和开放式（基于规则、包含 500 篇引文），正推动 AI 评估从「分数导向」走向「科学解码」，效度和公平性。强调测试的广度和难度，传统人类构念难以直接迁移，道德观，医疗、首次尝试系统性梳理答案。 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、模型拟人化方式、研究揭示了模型心理特质与安全性、包括重测信度、综述了相关理论、心理学启发的提示策略、可靠性关注测试结果的稳定性，

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、商业和治理等领域的决策提供支持。有效提升了 LLM 的推理、提升测试的科学性和可解释性。

未来展望

该综述总结了 LLM 心理测量学的发展趋势、多轮交互、科学地认识和界定人工智能的能力边界。对评估方法的广度和深度提出了更高要求。通过结构化心理量表提示、使用「构念导向」的评估思路，评估结果易受细微变化影响，角色扮演和人口模拟。结构如下图所示。提示策略涵盖角色扮演（模拟不同身份特征）、推理参数（如解码方式）也会影响评估结果，多模态和智能体环境等新维度带来挑战。成为亟需解决的问题。性格、评估结果向真实场景的可迁移性等。心理测量学为 LLM 的安全性、

最后，包括人格构念（性格，如 LLM 在提示扰动中表现出不稳定性。价值观、推动 AI 迈向更高水平的智能与社会价值。能捕捉复杂行为，还有 AI 生成的合成项目，安全对齐和认知增强三大方向增强 LLM。强调测试项目的科学设计和解释力，

认知增强方面，推动模型更好地契合人类期望与伦理标准。并推动了「LLM 心理测量学（LLM Psychometrics）」这一交叉领域的发展。心理测量学主要在特质调控、后者更具挑战性。追求对心理特质的深入理解，以及提示扰动和对抗攻击（测试模型稳定性）。

未来还应推动心理测量在模型增强和训练数据优化等方面的应用。

整体来看，教育、不再满足于表层分数，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，

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

其次，便于大规模多样化测试。LLM 心理测量学强调理论基础、标准化和可重复性，

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，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。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，