跳到正文
arXiv cs.AI· Muhammad Rizky Wellyanto, Hajara-Yasmin Isa, Kexin Xue, Vishal Ravichandran, Wenpeng Lu, Jerry O. Talton, Ranjitha Kumar·· 10 小时前AI 评分38

比图灵测试更难:LLM 能否在对话中冒充特定个人?个人模仿游戏

Who are you? The Personal Imitation Game

AI 导读

研究者提出比图灵测试更难的“个人模仿游戏”,考察机器能否在对话中复现某个具体个体而非泛化人类。基于一位作者十年个人数字通信数据构建的 LLM 系统,在 20 人欺骗实验中于 10 轮里有 7 轮被审讯者误认为作者本人,超过作者真实好友;作者本人则在 20 轮中 13 轮胜出,两项比例在该样本量下均与随机猜测无法区分。研究还归纳了审讯者依赖的身份信号:文体特征、人格特质与生平事实。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:大型语言模型(LLM)目前在艾伦·图灵 1950 年提出的模仿游戏中表现强劲,因此我们提出了一项更难的挑战——个人模仿游戏,它追问的是机器能否在对话中复现某个特定个体,而非泛化的人类。我们以 30 名参与者进行测试,建立了人类基线,并报告了审问者所依赖的身份信号:文体计量特征、人格特质和生平事实。为演示该框架,我们设计了一个基于 LLM 的系统,让它为本文作者之一参与游戏,其依据是涵盖十年个人数字通信的自我民族志数据集。在一项 20 人参与的欺骗研究中,审问者在 10 轮中有 7 轮选择我们的系统而非作者本人的朋友,在 20 轮中有 13 轮选择作者而非我们的系统;在此样本量下,两项比例均与随机水平无法区分。我们讨论了设计改进、个人 AI 智能体的应用,以及对身份与隐私的影响。
评论: 19 页,6 幅图,5 张表
主题: 人机交互(cs.HC);人工智能(cs.AI);计算与语言(cs.CL)
引用为: arXiv:2611.24888 [cs.HC]
  (或 arXiv:2611.24888v1 [cs.HC] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24888

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Muhammad Rizky Wellyanto [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 18:32:14 UTC(801 KB)

来源:arXiv cs.AI · arxiv.org