arXiv 评测 LLM 人格模拟的认知多样性，Claude Sonnet 4.6 认知测试全满分
原文标题：Imperfectly Imperfect: Evaluating Graded Cognitive Diversity in LLM Persona Simulations
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。
论文提出 cognition-suite 评测，检验 LLM 智能体能否复现人类在推理、自评特质与下游行为上的分级差异。在四个模型的七次完整模拟中，智能体能还原自评问卷分布，但认知任务表现多样性不足：Claude Sonnet 4.6 的四次运行中所有智能体认知反思测试均满分，而人类样本满分率不足 10%，行为场景也普遍过度产出。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LLM人格模拟能还原自评问卷分布，但认知任务多样性失真：Claude Sonnet 4.6四次运行CRT全满分
- •提出cognition-suite，对照473名成人队列，含新编CRT、行为反思测试BRT及既有CRT与两项特质问卷
- •四个模型七次完整模拟：Need for Cognition与Big Five自评分布可还原
- •Claude Sonnet 4.6四次运行中所有智能体两项CRT均满分，人类样本满分率不足10%
- •其余三次运行中49%至85%的智能体满分，且出现直觉诱饵错误
为什么重要：用LLM智能体替代人类被试做社科与行为研究时，认知能力差异会被抹平，基于模拟群体的结论可能系统性失真。
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。