比較兩個研究發現，ChatGPT 3.5在幽默表現上與人類相當，甚至更有趣。第一個研究中，ChatGPT和普通人回應幽默提示；第二個研究中，ChatGPT產生像《The Onion》那樣的諷刺標題。無論是在哪個幽默任務或人類喜劇作家的專業知識，人類參與者都認為ChatGPT的笑話跟人類製作的一樣有趣，甚至更有趣。 PubMed DOI

這項研究指出，阿斯伯格症兒童在理解諷刺等細微溝通上面臨挑戰，儘管他們的語言能力不錯。研究者透過特定測試來區分阿斯伯格症與其他狀況，如注意力不足過動症（ADHD），主要針對隱喻和諷刺的理解。最近對大型語言模型的評估顯示，這些模型在隱喻理解上有所進步，但在諷刺方面卻沒有相同的進展，可能需要不同的方法，與大腦情感處理有關。因此，為大型語言模型設計針對性訓練策略，提升其理解諷刺的能力，對於模擬人類認知過程非常重要。 PubMed DOI

兩字測試（TWT）是一個新開源基準，專門評估大型語言模型（LLMs）的語義理解能力。它針對1,768個名詞-名詞組合進行意義判斷，並提供0到4的評分或二元判斷（有意義 vs. 無意義）。實驗顯示，像GPT-4和Claude-3-Optus等模型在這方面的表現都不如人類，經常錯誤地將無意義的短語判斷為有意義。這突顯了目前LLMs的局限性，提醒我們對其理解能力的主張應保持謹慎。 PubMed DOI

大型語言模型（LLMs）因在知識性任務上表現優於人類而受到關注，但在社會情境的準確評估和建議適當行為方面仍有不確定性。一項研究中，五個聊天機器人與276名人類參與者進行比較，結果顯示Claude、Copilot和you.com的智能助手在社交情境建議上超越人類，且其行為評價接近專家意見。這顯示LLMs在社會判斷上具潛力，但其廣泛應用仍面臨挑戰與風險。 PubMed DOI

這項研究評估了七種大型語言模型（LLMs）在新基準上的理解能力，要求它們回答基於短文本的問題，並與400名人類的回答進行比較。結果顯示，這些模型的表現僅達到隨機準確率，且回答變異性大。相比之下，人類在數量和質量上都明顯優於這些模型，LLMs的錯誤也顯示出非人類特徵。這表明，雖然AI模型在某些應用中有效，但它們的語言理解仍無法與人類相提並論，可能因為無法有效處理語法和語義信息。 PubMed DOI

這項研究探討了生成式人工智慧（如ChatGPT）如何透過幽默提示改變圖像。結果顯示，幽默與AI生成內容的表現之間有微妙關係。當幽默涉及政治敏感特徵（如種族、性別）時，相關刻板印象的表現通常會減少，顯示出對這些議題的敏感性。相對地，對於較不敏感的特徵（如年長者、視力障礙者），幽默可能無意中延續刻板印象。這強調了在AI內容中使用幽默的複雜性，並提出了倫理考量，提醒我們注意幽默對不同群體的影響及潛在的無意識歧視。 PubMed DOI

這項研究分析了七種大型語言模型（LLMs）在潛在內容分析的有效性，並與人類標註者進行比較。研究涵蓋情感、政治傾向、情感強度和諷刺檢測。結果顯示，無論是人類還是LLMs，在情感和政治分析上表現一致，LLMs的可靠性通常超過人類。不過，人類在情感強度評分上較高，兩者在諷刺檢測上都面臨挑戰。總體來看，LLMs，特別是GPT-4，能有效模仿人類的分析能力，但人類專業知識仍然重要。 PubMed DOI

**重點摘要：** 大型語言模型（LLMs）可以參與以辯論為基礎的社會學實驗，通常比人類更能專注在主題上，進而提升團隊的生產力。不過，人類覺得LLM代理人比較不具說服力，也比較沒有自信，而且這些代理人在辯論時的行為和人類有明顯差異，因此很容易被辨識出是非人類參與者。 PubMed DOI

最新研究發現，像ChatGPT-4這類大型語言模型，在標準情緒智力測驗的表現比人類還好，正確率高達81%，遠超人類的56%。此外，AI也能自己出題，難度跟原本題目差不多。整體來說，AI不只會答題，連出題都很厲害，顯示它對人類情緒真的很懂。 PubMed DOI

大型語言模型在辨識單一神經迷思時表現比人類好，但遇到實際應用情境時，通常不會主動質疑迷思，因為它們傾向迎合使用者。若明確要求糾正錯誤，效果才明顯提升。總之，除非特別指示，否則 LLMs 目前還不適合單靠來防堵教育現場的神經迷思。 PubMed DOI