预注册实验：大语言模型可从简短人机对话中预测大五人格特质

鉴于人格的复杂性，我们可能会认为需要显著的行为才能表达我们的特质。在这里，我们使用大语言模型（LLM）来检验在与人工智能（AI）的简短对话中人格在多大程度上是可见的。在一项预注册实验中，100名参与者在与GPT-4.1进行非结构化对话之前完成了大五人格量表（BFI），中位写作量为430词。随后，我们指示第二个LLM评分者（Claude Sonnet 4.6）为每位参与者完成BFI，仅基于对参与者-GPT聊天记录的分析来预测其作答。LLM预测的BFI特质与自我报告之间的相关性显著（范围r = .25至.47），在某些情况下与先前记录的来自家庭成员的自我-他人预测相当。语言分析显示，LLM评分者的预测主要依赖词汇内容而非句法。利用已有数据，我们检验了AI的人设是否会影响参与者在对话中自我披露的程度。一百名参与者与两个版本的GPT-4.1聊天——一个镜像他们的人格（镜像AI），一个与其相反（反向AI）。LLM评分者基于这些互动预测BFI特质，我们将这一预测与自我报告进行相关分析。镜像聊天产生了显著的相关性，平均r = .41；对于反向聊天，平均值降至r = .30，当预测仅依赖词汇内容时降至零。人们在与AI的简短对话中 readily 传达自己的人格轮廓，而当AI的人设镜像用户时，这一效果得到增强。

中文由 AI 翻译，仅供参考，以原文为准。