論文作者指出，LLaMA2的成功被證明是因為回答的偏見程度較低而不是因為真的對失禮敏感，而GPT看起來的失利其實是因為對堅持結論的超保守態(tài)度而不是因為推理錯誤。

論文作者提醒說，人工智能大語言模型在心智理論任務上的表現(xiàn)堪比人類不等于它們具有人類般的能力，也不意味著它們能掌握心智理論。

在本項研究中，論文第一作者和共同通訊作者、德國漢堡-埃彭多夫大學醫(yī)學中心 James W. A. Strachan與同事及合作者一起，選擇能測試心理理論不同方面的任務，包括發(fā)現(xiàn)錯誤想法、理解間接言語以及識別失禮。他們隨后比較了1907人與兩個熱門大語言模型家族(GPT和LLaMA2模型)完成任務的能力。他們發(fā)現(xiàn)，GPT模型在識別間接要求、錯誤想法和誤導的表現(xiàn)能達到有時甚至超越人類平均水平，而LLaMA2的表現(xiàn)遜于人類水平；在識別失禮方面，LLaMA2強于人類但GPT表現(xiàn)不佳。

爱游戏ayx体育app該論文介紹，心智理論對人類社交互動十分重要，是人類溝通交流和產生共鳴的關鍵。之前的研究表明，大語言模型這類人工智能可以解決復雜的認知任務，如多選決策。不過，人們一直不清楚大語言模型在被認為是人類獨有能力的心智理論任務中的表現(xiàn)是否也能比肩人類。