共计 812 个字符，预计需要花费 3 分钟才能阅读完成。
近日，一项发表在《自然》杂志上的研究揭示了大型语言模型（LLMs）在自闭症患者社交学习领域的创新应用。该研究重点关注 GPT-4o 等 LLMs 在评估心理理论任务中的表现，这些任务旨在衡量个体理解他人信念、情感和意图的能力。
自闭症谱系障碍（ASD）患者往往面临社交沟通和观点采择方面的挑战，这使得他们在解读情绪和社交线索时遇到困难。为了应对这一难题，研究团队开发了一款基于 Unity 游戏引擎的互动在线游戏。游戏通过动画角色和语音叙述呈现各种社交场景，每个场景都包含一个短篇故事，测试社交推理的不同方面，如讽刺、暗示、谎言和失礼。研究邀请了自闭症患者和非自闭症患者参与，他们在观看这些场景后回答理解和解释问题。
共有二十一名参与者完成了这项研究。他们的回答分别由四位临床心理学和自闭症领域的人类专家以及 GPT-4o 独立评估。LLM 通过详细的提示结构进行指导，包括故事、问题和参与者的回答，并根据预定义的标准对每个答案进行评分，正确为 1，错误为 0。
研究结果显示，GPT-4o 的评估与人类专家的评估在统计学上无法区分。Mann-Whitney U 检验表明，在四种任务类型的评分准确性上没有显著差异。此外，GPT-4o 始终遵循评分指令，并在几秒钟内以最低的计算成本生成结果，处理所有回答的成本仅为 0.24 美元。
这项研究强调了 LLMs 在临床和教育环境中补充人类专业知识的潜力，特别是在开发可扩展、始终可用的社交技能培训工具方面。然而，作者也强调了保持人类监督的重要性，考虑到当前人工智能可解释性的局限性以及误解或错误的风险。
总体而言，这项研究表明，LLMs 可以在游戏化环境中可靠地评估社交推理表现，为自闭症患者提供了在安全且引人入胜的方式中练习和提高其社交理解的可访问、个性化学习环境的新机会。
参考文献：
Poglitsch C, et al. Sci Rep. 2025;15(1):34763. doi:10.1038/s41598-025-18608-4
