📖 AI 总结

该研究针对大语言模型（LLM）中普遍存在的人类化行为，提出了一种多维度分析框架，旨在探讨这些行为的普遍性、影响及可控性。研究基于对四种主流模型（gpt-4o、gpt-4.1-mini、claude-sonnet-4.6、gemini-2.5-flash）的21,000轮多轮对话数据，结合LLM-as-a-judge与人工评估方法。关键发现包括：人类化行为在不同模型间及不同用户因素（如对话目标与用户画像）下表现出显著差异；人工评估显示，自我指涉和关系建立类行为在LLM中比在人类中更不被视为适当，而边界维护类行为则相反，被认为更合适；系统提示可有效控制这些行为，但需谨慎评估以避免意外后果。研究为负责任地设计与评估LLM提供了实证依据与建议，填补了该领域方法与实践认知的空白。