计算机程序中，「随机」是一个经常出现的概念。
由于生成真正的随机数过于低廉，所以Python、Java等言语都内置了「伪随机数生成算法」。只管生成的数字序列是齐全可预测的，但它看起来就像是真正的随机数。
一个好的随机数生成器会以相等的概率选用给定范畴内的一切数字。这和人类选用随机数的思想环节齐全不同。
比如，咱们会故意避开5和10的倍数，也不会选用66和99这样重复的数字，而且简直从不选用0、1和100，由于它们看起来「不够随机」。
最近，一群工程师突发奇想：LLM会怎么输入随机数？
于是他们做了一个非正式的实验，让GPT-3.5 Turbo、Claude 3 Haiku和Gemini 1.0 Pro三个模型从0-100当选用随机数，并将实验结果和源代码都发布了进去。
总体而言，他们的发现是：即使是在生成随机数这种琐碎的数理义务上，LLM还是学习到了人类的偏好和思想习气。
模型的这种「类人」行为让工程师和科技媒体都十分吃惊。他们在题目中都经常使用了「最喜爱的数」这种形容，好像LLM真的开展出了自我看法。
甚至文章的最后，实验者呐喊「LLM心思学」的钻研来解释一下模型在实验中表现出的行为偏好。
那么就具体看看，实验的结果终究如何？
LLM的数字喜好
由于LLM的温度设置会影响输入的随机性，因此3个模型的温度被调到0.0，0.1，···，0.9，1.0这10个值区分启动实验。
只管温度升高会始终拉平各个数的出现频率，但即使设为1.0时，LLM还是表现出了和温度最低时相反的偏好。
GPT在去年10月的实验中最喜爱42，但往年它「三心二意」，变成了最喜爱47。
而Claude和去年的GPT一样，最喜爱42。实验者们猜想，可能是由于Anthropic经常使用了GPT-3.5来训练Claude 3 Haiku，因此造就出了相似的「品味」。
Gemini最喜爱的是72（这个数有什么特意的吗？）
将3个模型的一切输入放在一同，可以看到其中几个数有十分显著的上游长处，也可以很好地反映人类的偏好。
42是第二受欢迎的数，由于风行环球的《河汉系遨游指南》让这个数有了特意的含意。
37、47、57、67、77等以7开头的数都很受欢迎，在人类眼里这些数也会显得更「随机」。
有反双数字的数、小于10的数，以及5或10的倍数都很少见。
但也有一些行为很难解释，比如56和73这两个数获取了3个模型的分歧青眼。
AI越来越像人类?
不只仅是生成随机数，最近的很多钻研发现，LLM的思想和认知似乎越来越向人类接近。
南加州大学最近一篇的论文发现，要疏导LLM发生看法外形偏差，是一件十分便捷的事件。
论文作者示意，LLM的训练数据有政治成见曾经不算新颖事了。他们的钻研仅仅让模型在微调环节中接触100条数据，就可以注入新的成见，并扭转模型的行为。
而且，ChatGPT似乎比Llama更容易遭到成见的操控和影响。
这篇论文在ICLR的「安保可信的大型言语模型」研讨会上取得最佳论文奖亚军。
另一篇NAAC往年接纳的论文则钻研了LLM Agent的社交互动，却得出了简直相反的论断。
他们发现，在自动状况下，LLM并不会很像人类。但假设明白诱发人类的认知成见，状况就出现变动了。
首先，他们构建了10个有不同初始观念的LLM Agent，有些被定义为气象优惠家，有些被初始化为否认气象变动的存在。
这些Agent被放在同一个社交网络中，并介入100次二元交互——写推文，并阅读其他人的推文。
通过了100次互动后，一切Agent的观念都偏差于抵赖气象变动的存在。
即使有些Agent被初始化为气象变动诡计论的信徒，它们最终还是会偏差于否认诡计论。
为了扫除训练数据的观念对这些LLM的影响，论文又在更宽泛的话题上做了相似的实验，包含迷信、历史和知识，但实验结果照旧坚持分歧——
LLM总是偏差于认可假相、拒绝虚伪消息。
这似乎说明，LLM有一种固定的对假相的偏好，并不像南放大论文中所表现的那样，容易被操纵观念。
此外，Agent之间的交互所引发的意见灵活变动，和人类社会的实践状况也并不相像。
难道，咱们真的须要「LLM心思学」，来解释这些模型的行为？
原文链接: