行为验证

论文用经典行为博弈与Big Five人格问卷，对聊天机器人开展多任务“图灵测试”，并与来自50多个国家、数万名人类被试的数据比较。GPT-4的总体行为与人格分布在统计上可与随机人类样本相近，也会随经验、情境和表述改变策略。当模型偏离平均或众数人类时，通常更利他、更合作；作者据此估计其行为近似权衡自身与对手收益。