该论文先容，心智理论对人类社交互动十分主要，是人类沟通互换和产生共鸣的关键。
之前的研究表明，大措辞模型这类人工智能可以办理繁芜的认知任务，如多选决策。
不过，人们一贯不清楚大措辞模型在被认为是人类独占能力的心智理论任务中的表现是否也能比肩人类。

在本项研究中，论文第一作者和共同通讯作者、德国汉堡-埃彭多夫大学医学中央 James W. A. Strachan与同事及互助者一起，选择能测试生理理论不同方面的任务，包括创造缺点想法、理解间接言语以及识别失落礼。
他们随后比较了1907人与两个热门大措辞模型家族(GPT和LLaMA2模型)完成任务的能力。
他们创造，GPT模型在识别间接哀求、缺点想法和误导的表现能达到有时乃至超越人类均匀水平，而LLaMA2的表现逊于人类水平；在识别失落礼方面，LLaMA2强于人类但GPT表现不佳。

论文作者指出，LLaMA2的成功被证明是由于回答的偏见程度较低而不是由于真的对失落礼敏感，而GPT看起来的失落利实在是由于对坚持结论的超守旧态度而不是由于推理缺点。

论文作者提醒说，人工智能大措辞模型在心智理论任务上的表现堪比人类不即是它们具有人类般的能力，也不虞味着它们能节制心智理论。

他们总结表示，这项研究进展是未来研究的主要根本，建议后续进一步研究大措辞模型在生理推断上的表现会如何影响个体在人机交互中的认知。
(完)