研究进展：大语言模型-身份扁平化，大环境在降维 | Nature Machine Intelligence

本文探讨了大型语言模型（LLMs）在替代人类参与者时可能带来的问题，特别是关于身份扁平化的现象。研究由斯坦福大学的Angelina Wang等人在Nature Machine Intelligence上发表，指出LLMs在描绘和扁平化身份群体方面存在局限性。通过对3200名参与者的研究，文章揭示了LLMs在捕捉社会身份（如性别和种族）方面的不足，并讨论了身份提示如何将身份本质化。研究强调了在使用LLMs替代人类参与者时需要谨慎，尤其是在涉及边缘化群体时。同时，文章也提出了在某些情况下，LLMs的替代可能是有益的，例如当人类参与可能对他们造成不利时。