研究发现多模态大语言模型在人格感知任务中存在显著偏见
原帖
**感知还是偏见：多模态大语言模型能否超越对人格的第一印象？**
_Perception or Prejudice: Can MLLMs Go Beyond First Impressions of Personality?_
> 该研究针对多模态大语言模型（MLLMs）在人格感知任务中可能存在的“偏见”问题，提出了新的评估框架。作者指出，现有基准仅依赖大五人格分数预测，无法判断模型是通过行为理解还是表面模式匹配来做出判断。为此，研究提出了“基于依据的人格推理”（GPR）任务，要求模型将人格评分与可观测证据关联。他们还构建了包含1104个视频和5320道多项选择题的新数据集MM-OCEAN，并设计了三层评估体系和四项失败模式指标。对27个MLLM的测试揭示了一个惊人的“偏见差距”：51%的正确评分并非基于检索到的线索，且“全面依据率”仅为0-33.5%。这表明模型可能“猜对”答案但推理错误，为未来有依据的社交认知能力发展指明了方向。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.22109)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
2026年5月22日发布的研究指出，多模态大语言模型在人格感知任务中存在‘偏见差距’，51%的正确评分并非基于检索到的线索，全面依据率仅为0-33.5%。
答案说明
研究揭示MLLMs在人格感知中存在偏见，可能通过表面模式匹配而非行为理解做出判断，导致‘猜对’答案但推理错误。
这篇帖子回答的问题
- 研究如何评估多模态大语言模型的人格感知能力？
- 多模态大语言模型在人格感知中表现出什么主要问题？
核心观点
- 研究提出的‘基于依据的人格推理’（GPR）任务和MM-OCEAN数据集，为评估模型是否基于可观测证据进行人格推断提供了新框架。
- 对27个MLLM的测试揭示了显著的‘偏见差距’，表明模型在人格感知中可能依赖表面模式匹配而非深层行为理解。
FAQ
- Q: 什么是‘偏见差距’？
- A: 根据研究，‘偏见差距’指的是多模态大语言模型在人格感知任务中，正确评分并非基于检索到的可观测线索，而是可能通过表面模式匹配得出的现象。
- Q: 研究提出了什么新任务来评估人格感知？
- A: 研究提出了‘基于依据的人格推理’（GPR）任务，要求模型将人格评分与可观测证据关联。
关键实体
- 多模态大语言模型 (MLLMs)
- 基于依据的人格推理 (GPR) 任务
- MM-OCEAN 数据集