大型语言模型 (LLM) 和儿童中的人类表现 调查面试 问题制定 任务

科学领域:

• 认知科学 认知科学
• 人工智能的人工智能
• 法医心理学 法医心理学

背景情况:

• 对儿童进行调查采访对于法律诉讼至关重要.
• 评估大型语言模型 (LLM) 在专业通信任务中的功能是一个新兴的研究领域.
• 了解问题制定策略是有效采访的关键.

研究的目的:

• 为了比较LLM和在儿童调查面试中具有不同专业知识的人类的问题制定表现.
• 在静态和动态面试模拟任务中评估LLM绩效.
• 在面试环境中识别LLM的优缺点.

主要方法:

• 使用了两个任务:一个静态的采访摘录任务和一个动态的阿凡达采访任务.
• 参与者包括心理学家,天真的人,学生和法学士 (GPT-4,Llama-2).
• 绩效是根据问题类型进行评估的,包括推,非推,邀请和选择性问题.

主要成果:

• 在动态任务中,LLM使用的建议问题比人类专业人员少,使用的非建议问题更多.
• 在静态任务中,GPT-4在使用邀请和避免提出选择性的问题方面表现优于心理学家.
• 在受控环境中,LLM表现出强有力的问题制定,但在适应性对话中却失败了.

结论:

• 在儿童采访中,LLM对特定问题制定方面具有潜力,特别是在静态场景中.
• 在调查面试中,LLM需要进一步发展,以有效地处理适应性,实时对话的细微差别.
• 人类专业知识对于与儿童进行复杂,动态的面试情况至关重要.