大语言模型的情感理解测量

王雪娜

大型语言模型（LLMs）在语言生成、知识利用和复杂推理方面展现出了卓越能力。但是，他们与人类情感和价值观的一致性尚未得到系统评估。情感智能（EI），尤其是其核心成分情感理解（EU），对于有效沟通和社交互动至关重要。我们首先开发了一个专注于情感理解（EU）的心理量表，该量表是基于文本的、根据个体表现来客观评分的，既适用于人类也适用于LLMs。我们收集了500多人的结果并建立常模，之后用该量表测试了多种主流LLMs。其中大多数达到了高于平均的情商得分，GPT-4超过了89%的人类参与者，情商达到117。我们的研究为LLMs的人类特性提供了首次心理测量评估，讨论了模型大小、训练方法和架构等因素对LLMs情商的影响，对于未来旨在提高智力和情感智慧的LLMs的发展提供了启示。

身体尺寸作为物体可供性感知的边界

冯新然

生物通过其身体与环境进行有意义的互动。本研究探索了人类身体尺寸对感知环境提供的可能动作集（可供性, affordance）的影响。研究发现，身体尺寸为可供性划定了一条明显的界限，将真实世界中尺寸连续的物体划分为两个离散的类别，每个类别都提供了不同的动作集合。此外，这一边界会随着想象的身体尺寸而变化，说明身体尺寸和可供性感知之间存在因果关系。研究更进一步考察了完全没有感觉运动经验的主体是否也能具有可供性的感知。有趣的是，大型语言模型（如ChatGPT）在人体大小的尺度上也表现出类似的可供性边界，这表明这一边界似乎可以从语言中获得，而不是只能够来自于生物体与环境之间的直接交互。总之，本研究探讨了身体尺寸在物体可供性感知中的作用，首次发现了人类对物体可供性感知的边界，主张采用具身认知的概念去理解受生物体物理属性限制的智能的出现。

逻辑数学符号系统的处理起源于空间认知而非自然语言

李苑楠

人类在进化上短暂的文化史中，设计并运用了越来越多的逻辑数学符号系统，对于技术发展起到日益重要的作用。逻辑数学符号系统处理能力的发展表现出人类思维能力的强大适应性。关于这种能力是如何发展实现的，两种最有影响力的假说分别追溯到自然语言处理和空间认知。本研究通过比较两种假说相应的神经对应物进行验证。我们根据逻辑数学符号处理的三个代表性任务，即编程（算法构思）、计算和瑞文推理，获得其神经对应物，与自动元分析的自然语言处理和空间认知的神经对应物进行对比。结果显示，与自然语言处理相比，逻辑数学符号处理过程中的激活在更大程度上与空间认知重叠。在自然语言和空间认知共同激活的区域中，逻辑数学符号处理的多体素模式与空间认知的更为相似。我们的研究建议空间认知作为逻辑数学符号处理能力的起源，并对通用人工智能的发展提供启示：逻辑数学能力或许不能只基于自然语言处理机制完全实现。