研究称GPT-4.5在图灵测试中73%被误认为人

加州大学圣地亚哥分校的一项新研究，为经典的图灵测试提供了针对现代大语言模型的实证数据。研究称，在获得特定提示后，GPT-4.5在5到15分钟的文本对话中，被73%的“裁判”判定为人类，该比例显著高于与其对比的真实人类参与者。

实验设置了多个对比组：LLaMa-3.1-405B被判定为人的概率是56%，与真人统计学上无差异；而GPT-4o和早期规则机器人ELIZA的判定率均低于25%。研究于2026年5月22日发表在《美国国家科学院院刊》上。

提示词是“拟人化”的关键开关

研究的通讯作者指出，模型并非靠展示知识深度取胜，而是通过模仿人类的社会行为特征，如直接的语气、幽默感甚至易错性。但这一切都高度依赖于提示词。在没有特定提示的情况下，GPT-4.5被误认为人的概率骤降至36%。这说明模型“有能力表现得像人，但可能不具备自行揣摩如何表现得像人的能力”。

对网络信任的现实启示

研究团队认为，相对容易让这些模型变得与人类难以区分，这意味着当人们在线上与陌生人互动时，需要降低对“对方是真人”的确定性信心。论文作者更直接指出，图灵测试对模型而言“本质上是一场关于说谎的游戏”，这带来了关于欺诈、虚假信息传播等更深层的风险担忧。

这项研究并未提供可直接使用的产品或API，它更像一次面向AI能力边界和安全影响的学术实验。不过，它无疑给所有AI从业者和使用者提了个醒：在拟人化交互成为常态的当下，辨别对话对象的真伪，或许会变得更困难也更重要。

图片来源：IT之家（RSS）