arXiv 发布 SCI 量表评估语言模型信念一致性
原文标题：The Schema Coherence Inventory: Measuring Whether an Assigned Belief Organizes a Language Model's Cognition
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 Schema Coherence Inventory（SCI），用 96 道强制选择题在八个认知层级上测量赋予语言模型的信念是否真正组织其行为，而非仅改变情绪。在五个 1.7B-14B 参数骨干模型上完成六项验证研究，临床训练评分者一致率达 79.5%，并发现六个已发表患者模拟器均未真正承载其设定的核心信念。
- 问题
- 缺少验证方法判断赋予语言模型的信念是否真正组织其行为，而非只改变情绪。
- 方法
- 提出 SCI 量表，用 96 道强制选择题覆盖八个认知层级，以长度归一化对数似然评分，不依赖生成或解析。
- 结果
- 临床训练评分者一致率 79.5%（随机 16.7%）；信念适配器在全部骨干上提升 17.7 个点；六个已发表患者模拟器均未真正承载核心信念。
- 影响
- 为患者模拟器与情感智能体提供可量化的信念一致性检验，避免把「情绪像」误当「信念对」。
深读 · 结论先行AI 生成展开看要点与影响 ↓
新量表SCI发现六个已发表患者模拟器均未真正承载其设定的核心信念。
- •SCI含96道强制选择题，对应Beck认知模型八个层级，每题六个回复分别对应三种负面自我图式及其正向对应。
- •以长度归一化对数似然评分，不生成不解析；判别标准是目标特异性，即某信念条件须比同极其他信念条件更常选中该信念。
- •在五个1.7B-14B骨干、107个条件上完成六项验证；九名临床训练评分者一致率79.5%，随机为16.7%。
- •信念适配器在每个骨干上均具目标特异性（+17.7分，30/30信念单元为正）；48题简版与另48题相关r=0.73。
- •应用于六个已发表患者模拟器，没有一个比一句核心信念陈述更好地承载其设定的核心信念。
为什么重要：用LLM做患者模拟或情感智能体的开发者需注意：赋予模型的“信念”可能只是情绪，而非真正组织行为，现有模拟器的效度存疑。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。