大语言模型作为自动评估者，会被对话历史中的观点极性所影响，一项覆盖7.5万样本的研究揭示了这种“累积消息效应”
arXiv:2605.22714v1 Announce Type: cross Abstract: Large language models are routinely used as automated evaluators: to review code, moderate content, …
图灵测试76年来首现AI实证：GPT-4.5以73%判定率被误认为人类，15分钟对话难辨人机，重新定义AI认知边界。
IT之家 5 月 22 日消息，加州大学圣地亚哥分校的最新研究首次提供了实证数据，可证明现代 AI 系统能够通过经典的图灵测试。 在该测试中，机器需要学习人类并模仿人类对话，使人们无法稳定分辨人类与先进大语言模型之间的差异。 这项发表在《美国国家科学院院刊》上的研究，首次采用英国数学家、“计算机科学…
量化分析LLM如何改变科学论文写作与阅读，数据揭示学术交流新趋势
arXiv:2605.19936v1 Announce Type: new Abstract: Has the style of scientific communication changed due to the growing use of large language models in t…
大模型“读心术”提升是否真能改善人机交互？来自互动评估的实证发现，挑战常规认知。
arXiv:2605.15205v1 Announce Type: new Abstract: Improving the Theory of Mind (ToM) capability of Large Language Models (LLMs) is crucial for effective…