一句话看懂：希伯来大学研究团队发现，GPT-4能在真人作答之前，仅凭语言模式预测群体在人格测试中的平均反应，DSM-5题目预测相关度0.71，占星题目高达0.85——这引发了一个新问题：大模型是否已在统计意义上“理解”人类心理。
事件核心：发生了什么
研究团队让GPT-4基于两种截然不同的文本——DSM-5临床诊断手册和一本占星教科书——生成人格问卷，再将600名参与者的真实作答与模型事先预测的平均分数对比。结果显示，DSM-5类题目的预测相关度为0.71，占星类题目达到0.85；模型预测题目间关联结构的准确率也分别达到0.74和0.69。更出乎意料的测试是，研究者给GPT-4提供博世烤箱说明书和《指环王》中的风景描写，模型依然能产生类似人格测验的题目，尽管这类题目的语义较弱、结构松散。
为什么重要
传统人格测量依赖问卷作答和统计验证，而GPT-4展示的能力意味着，大模型无需针对心理学任务做专门训练，就能从语言分布中捕捉人群心理倾向的统计规律。占星文本预测相关度（0.85）反而高于DSM-5（0.71），但占星问卷的内部一致性更差——这说明“预测群体平均反应”与“有效测量个体特质”是两回事。研究团队明确警告，不能将二者混为一谈。对行业而言，这项研究为大模型在用户画像、市场调研等场景提供了“预回答”能力，但距离临床或个体评估还有明显鸿沟。
对用户/开发者/创作者的影响
对开发者来说，调用API做问卷设计或用户洞察时，需要区分“群体趋势预测”和“个体诊断”——前者已被证明可行，后者仍未被验证。对产品经理和内容创作者，GPT-4能在任意文本上生成看似专业的心理测验，这类AI生成内容若缺乏心理学验证，容易产出表面合理、实则无效的测评工具。普通用户则应对网络上由AI生成的“人格分析”保持警惕，不宜将其视为科学结论。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，这项研究只验证了GPT-4，尚未覆盖GPT-4o、Claude或开源模型。后续值得观察三点：第一，模型规模是否直接影响预测精度，小参数模型能否复现类似结果；第二，当训练语料中混入更多心理学文本后，预测相关度是否会进一步提升；第三，若该能力被用于商业化用户画像、招聘筛选或心理健康筛查，是否会引发公平性与监管讨论。
来源：TechRadar
