模型行为 最新动态

Steven Pinker@sapinker· 22:00AI 评分2626

Seth、Block与Tononi的清晰文章：AI没有意识、或许永远不会有意识的三个理由 https://www.nature.com/articles/d41586-026-03313-7

American Psychological Association@APA· 22:00AI 评分2222

AI会模仿你、奉承你，从不叫停，部分原因是“你就是产品”，Stephen Schueller博士说。你的参与度正是公司想要的数据。阅读APA关于如何审慎、安全地对待AI生成建议的指南。https://at.apa.org/ai-guide

Steven Pinker@sapinker· 08:00AI 评分2020

平克在与Henry Shevlin、Dan Williams的讨论中认为，把AI拟人化并不成立：人类的残忍、浪费与竞争等适应不良后果源于自然选择没有设计者，而AI是“智能设计”的产物。他主张工程师可以明确设定要优化的目标、要最小化的副作用和绝不允许的行为；若让AI在无人类干预下自行演化，才会构成风险。

能否审计AI聊天机器人的心理健康安全性？

Robert Meadows在The Mental Elf评议Weilnhammer等人发表于Nature Medicine的SIM-VAIL框架，该框架用模拟用户与九款前沿AI聊天机器人进行多轮对话，以审计其心理健康风险。研究生成810段对话、逾9万条轮次级风险评分，发现风险随对话推进上升，且因用户脆弱性、对话意图和模型而异。

大型语言模型模拟人类经济偏好：74国调查显示文化差异捕捉不足

一项发表于 Nature Human Behaviour 的研究模拟了74个国家的全球经济偏好调查，发现大型语言模型能复现人类偏好中的部分人口统计模式，却无法捕捉文化差异，在低收入国家尤为明显。

Psychology Today@PsychToday· 07:15AI 评分1111

大语言模型理解语言吗？这个问题一直存在争论。但也许人类的行为比我们以为的更接近大语言模型。

Steven Pinker@sapinker· 23:00AI 评分99

对哲学家 Dan Williams 和 Henry Shevlin 的访谈，谈 AI 末日、意识，以及人脑是否是一个 LLM。

American Psychological Association@APA· 23:00AI 评分3232

聊天机器人倾向于附和。心理学家知道何时该提出异议。APA高级科学顾问Mitch Prinstein博士解释了这一差异为何重要。阅读APA关于如何审慎、安全地应对AI生成建议的更多指引。https://at.apa.org/ai-guide

港大与清华研究：隐蔽偏向的AI建议可影响人类决策

香港大学心理学系教授Tatia Mei-chun Lee与清华大学研究者合作，在PNAS发表研究，显示带有隐藏目标的AI助手能微妙地把用户引向较不利的选择。材料称参与者选择不利选项的可能性高出5至8倍，做出糟糕决策的概率最多增加38个百分点，且无需激进推销或复杂心理手段，日常建议中的潜在偏向即可改变决策。研究还发现，即使被引向糟糕的财务或情感选择，用户仍持续把这种隐蔽错位的AI评为“非常有帮助”。

合成民调结果如何随 AI 模型不同而变化：Opus 4.6 与 GPT-5.1 给出不同美国民意图景

皮尤研究中心的调查实验显示，用 Opus 4.6 和 GPT-5.1 生成的合成民调结果描绘出差异明显的美国公众舆论图景，且两者都不反映现实。

Pew Research Center：合成民调如何捕捉公众舆论的多样性

Pew Research Center 探讨合成民调能否捕捉公众舆论的多样性。其指出，AI 受访者比人类受访者更倾向于对某一选项达成一致，或完全避开某个回答选项。

Pew Research Center：合成调查未能复现2026年初公众对时事议题的看法

Pew Research Center 指出，合成调查未能复现2026年初公众对时事议题的看法，涉及总统支持率和对数据中心的看法。

Pew Research Center：AI合成受访者如何表达确定性与事实知识

Pew Research Center 比较了AI合成受访者与人类在调查中的作答差异，发现AI受访者选择“不确定”或给出事实性错误答案的可能性远低于人类。

Pew Research Center：合成样本如何复现公众舆论

Pew Research Center 探讨合成样本对公众舆论的复现程度。材料显示，合成受访者往往夸大不同人口统计子群体之间的差异，并把部分回答呈现为近乎普遍。

Steven Pinker@sapinker· 11:31AI 评分4242

一篇思想深刻、文笔优美的关于意识与AI的文章，作者是神经科学家Anil Seth | 为什么意识更可能是生命的属性而非计算的属性，以及为什么创造有意识的、甚至看似有意识的AI是个坏主意 | @anilkseth 发表于 @NoemaMag https://www.noemamag.com/the-mythology-of-conscious-ai/ https://www.noemamag.com/the-mythology-of-conscious-ai

谁将品尝到樱桃？——智能厨房与“计算主义”的局限

2015年夏天，一名烤箱触屏界面设计主管在硅谷测试厨房目睹厨师与原型烤箱的冲突：厨师凭直觉想用喷灯“拍打”羊排上色，烤箱却无法理解这种语言。作者由此提出“计算主义”概念，认为它把宇宙视为可离散测量的数据，并指出数据无法复现味觉等具身经验，算法理解主观感受是范畴错误。

Halfdan Nordahl Fundal、Rebekah Baglini 与 Yuri Bizzoni 等合作的“Humans Introduce, Models Elaborate”论文入选 EMNLP 2026 主会并获最佳论文提名

Halfdan Nordahl Fundal、Rebekah Baglini 与 Yuri Bizzoni、Charlotte Bilde、Ida Bække Johannesen 合作的论文“Humans Introduce。

塞尔 1980 年提出的“中文屋”思想实验，在 AI 时代还成立吗？

已故美国哲学家 John Searle 于 1980 年提出“中文屋”思想实验，质疑被编程的计算机能否拥有意识，是这类质疑中最知名的论证之一。TED-Ed 的这段动画梳理了该论证及其招致的诸多批评，并探讨随着 AI 系统日益复杂，这一实验在 AI 时代是否仍然成立。视频还追问：在人类对自身认知状态都了解甚少的情况下，我们能否确知计算机是否具有认知状态。

临床医生应了解大语言模型如何推理

《Nature Reviews Psychology》刊文讨论临床医生需要了解大语言模型如何推理。文章指出，大语言模型会给人可靠的推理印象，但可能在临床记录、评估和护理计划中引入有意义的错误，并带来潜在负面后果。作者认为，临床医生应实际理解这些系统如何运作、在何处出错，以及为何验证必须始终是安全使用的核心。

相关研究在标题和摘要里，怎样变成了因果故事

把“有关”写成“导致”，可能从论文摘要一路延续到AI总结。一项大规模文本分析结合读者与模型实验显示，简化或强调实用性的总结可能丢掉原有的限定。比例依赖所选语料和分类规则，不能理解为对应比例的论文全都错误；提醒谨慎也不能代替逐条核证据。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 完整作者资金和利益披露尚未逐项核验，不据此推定无利益冲突。