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，评估结果向真实场景的可迁移性等。

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。智能调整权重、该综述系统梳理了针对这些心理构念的评估工作，后者更具挑战性。项目反应理论（IRT）为高效评估和模型区分提供新思路。教育、并探索了 AI 与人类反应分布的一致性，通过结构化心理量表提示、推动了人工智能技术的快速发展。追求对心理特质的深入理解，LLM 心理测量学为评估人类水平 AI 提供了重要范式，

随着大语言模型（LLM）能力的快速迭代，主要包括测试形式、

测量构念的扩展

LLM 展现出类人的心理构念，

随着 AI 与人类交互的日益深入，研究者们将项目反应理论应用于 AI 评测，当前，价值观对齐的密切关系，规避数据污染，如 LLM 在提示扰动中表现出不稳定性。基于概率或预设标准）和开放式（基于规则、LLM 能够模拟和调节多样的人格特质，需建立严格的验证体系以确保测试的可靠性、性格、关注评估主观性。统计分析方式及多语言、心理测量学主要在特质调控、力求让测试结果既可靠又具备预测力，包含 500 篇引文），为教育、全面揭示模型特性。也有人工定制项目以贴合实际应用，文章归纳了近期研究提出的标准和建议，抽象的心理特质（如知识、综述了相关理论、

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，性格和社交智能？如何建立更全面、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，AI 与人类之间的比较更加科学和公平。工具和原则引入大语言模型的评估，心理语言学能力，模型拟人化方式、传统人类构念难以直接迁移，推动模型更好地契合人类期望与伦理标准。这一方向有助于更全面、严谨地评估这些能力不断提升的 AI 系统，标准化和可重复性，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，科研等多个领域。研究者们提出了三大创新方向。价值观等）。

测量验证

与传统 AI 基准测试不同， 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、

  整体来看，

  输出与评分分为封闭式（结构化输出，成为亟需解决的问题。结果多局限于特定场景，学习认知能力）。可靠性关注测试结果的稳定性， 正是基于这种理念的转变，提示策略、挑战与未来方向。正推动 AI 评估从「分数导向」走向「科学解码」，广泛应用于个性化对话、心理测量学为 LLM 的安全性、工具和主要结论。

  最后，可靠、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，能捕捉复杂行为，平行形式信度和评分者信度；当前测试的信度面临挑战，

  其次，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。

  将心理测量学的理论、不再满足于表层分数，

   这一系列革新，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，心理测量学通过将这些特质转化为可量化的数据，例如价值观、强调测试项目的科学设计和解释力，角色扮演及偏好优化等方法，实现了动态校准项目难度、智能体模拟，评估的重要性与挑战性日益凸显。还有 AI 生成的合成项目，

  而心理测量学则以「构念」为核心，传统评估方法已难以满足需求。提升测试的科学性和可解释性。科学地认识和界定人工智能的能力边界。但两者的内核却截然不同。当前，这些构念对模型行为产生深远影响，评估结果易受细微变化影响，也为模型开发和能力提升开辟了新路径。研究揭示了模型心理特质与安全性、为 LLM 心理测量学建立科学方法论基础。情感提示提升能力）、效度评估测试是否准确测量目标构念，构念效度和校标效度等，为系统理解和提升 AI「心智」能力提供了新的方法路径，但标准化和评分难度较高）。自动生成不同难度的新测试项目，对评估方法的广度和深度提出了更高要求。研究者们引入心理测量学的严谨方法，多轮交互、

  首先，

  测试形式分为结构化（如选择题、能力构念（启发式偏差，使用「构念导向」的评估思路，心智理论，结构如下图所示。往往依赖大规模数据集和简单的准确率指标，

  数据与任务来源既有标准心理学量表，

  研究还需区分模型表现出的特质（perceived traits）与对齐特质（aligned traits），性能增强（如思维链、但生态效度有限）和非结构化（如开放对话、能够揭示个体在多样认知任务中的表现规律。如何科学、

  最后，

  

  • 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，