合成被试

论文提出“图灵实验”（Turing Experiment），要求语言模型模拟具有代表性的人类被试样本，而不只是模仿某个个体。作者用最后通牒博弈、花园路径句、米尔格拉姆服从实验和群体智慧四类任务比较不同模型。较新的模型复现了前三项经典结果，但在群体智慧任务中出现“过度准确”偏差，说明群体层面的相似性检验也应系统识别模型特有的行为扭曲。