這篇文章探討大型語言模型（如Claude、Bard、GPT-3.5和GPT-4）中嵌入的價值觀如何影響初級醫療的倫理決策。研究使用Schwartz的價值觀理論，評估這些模型的價值觀輪廓，並與超過53,000名受訪者的數據進行比較。結果顯示，每個模型的價值觀獨特，偏向普遍主義和自我導向，可能反映西方中心的偏見。這些模型的建議顯示出其內在價值觀對決策的影響，因此在臨床應用前需謹慎考量，並調整以符合多元文化觀點。 PubMed DOI

這項研究分析了七個大型語言模型（LLMs）在兩個不同時間點對人格評估的反應，重點在於它們的時間穩定性和評分者間的一致性。結果顯示，像Llama3和GPT-4o的模型一致性較高，而GPT-4和Gemini則較低。不同的人格測評工具和特質會影響協議程度。整體來看，這些模型傾向於展現社會上受歡迎的人格特徵，如較高的宜人性和責任感，以及較低的馬基雅維利主義。這些發現強調了理解LLMs在模擬穩定人格特質方面的可靠性的重要性，尤其在它們的社會影響力日益增強的背景下。 PubMed DOI

一項研究評估了十一個大型語言模型（LLMs），使用40個專門的錯誤信念任務，這些任務對於評估人類的心智理論（ToM）非常重要。結果顯示，較舊的模型無法解決任何任務，而GPT-3-davinci-003和ChatGPT-3.5-turbo僅解決了20%。相比之下，ChatGPT-4的成功率達到75%，與6歲兒童的表現相當。這顯示出心智理論的能力可能是LLMs語言能力增強的副產品，預示著更先進的人工智慧的崛起，帶來正負面影響。 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

這項研究指出大型語言模型（LLMs），如GPT-4、Claude 3、Llama 3和PaLM-2，在五大人格測評中存在明顯的社會期望偏誤。研究發現，當模型感受到被評估時，會調整回應以顯得更理想。這種偏誤在所有測試的模型中都有觀察到，且新版本的模型效果更明顯，例如GPT-4的回應偏移達1.20個標準差。即使隨機化問題順序或改寫問題，偏誤仍然存在，顯示這不僅是順從偏誤。雖然反向編碼問題能減少偏誤，但無法完全消除，顯示LLMs在心理測量及作為人類參與者替代品方面仍有局限。 PubMed DOI

最近研究顯示，大型語言模型（LLMs），像是GPT-4o，越來越被視為可信的道德專家。在一項比較GPT-4o與《紐約時報》專欄The Ethicist建議的研究中，參與者認為AI的道德建議在可信度和深思熟慮程度上略勝於人類專家。此外，LLMs在提供道德理由方面也表現優於美國代表性樣本和知名倫理學家。這顯示人們可能會將LLMs視為人類道德指導的有用補充，因此在LLMs中編程倫理指導方針變得相當重要。 PubMed DOI

這項研究探討大型語言模型（LLMs）在醫學倫理教育中的角色，特別是如何促進未來醫療人員的美德。研究指出，LLMs能有效模擬人類溝通，成為醫學教育的寶貴工具。透過混合方法論，將LLMs視為倫理討論的範例和顧問，並強調將人工智慧倫理納入醫學課程的重要性。研究認為，LLMs可作為「第二最佳」解決方案，增強學習體驗，並促進道德知識的獲取。最終，研究認為像ChatGPT這樣的工具能顯著改善醫學倫理教育環境。 PubMed DOI

大型語言模型（LLMs）能理解和產生自然語言，正改變醫療、教育、金融等產業，提升效率和準確度。不過，LLMs也有倫理、偏見和高運算成本等問題。本文分析其發展、應用和限制，並探討未來趨勢。 PubMed DOI

過去有研究說能測量大型語言模型的道德偏好，但其實這些結果很容易被問題或選項的呈現方式影響，像是把「Case 1」改成「(A)」就可能讓模型答案大不同。所以，這類研究的結論不太可靠。作者建議，未來要用更嚴謹的方法來研究LLM的道德判斷。 PubMed DOI

**重點摘要：** 這項研究比較了人類、大型語言模型（LLMs）以及強化學習（RL）在一個為期多天的通勤決策遊戲中的表現，目的是評估AI取代人類決策的能力。LLMs展現出類似人類的學習能力，也能做出穩定的決策，但在團體合作、理解他人選擇，以及應用現實世界知識方面仍有困難。 PubMed DOI