中国研究人员使用大五人格量表-2（BFI-2）——一份旨在评估五大主要人格特质的心理问卷——对ChatGPT-4o、Gemini 2.0 Flash、DeepSeek-V3、Ernie 3.5 和 Le Chat进行了测试。每个模型在30次测试运行中分别用英文和中文对60条陈述作出回应。研究揭示了模型响应因所用语言不同而存在显著差异。
- ChatGPT-4o：从英文切换到中文时，其开放性得分从4.74降至4.03。
- DeepSeek-V3：相反，其开放性得分从4.38升至4.81。
- Gemini 2.0 Flash：表现出较高的尽责性和极低的情绪不稳定性水平。
- Le Chat：在用英文交互时表现出最高水平的宜人性。
研究人员将这些差异归因于训练数据的文化特征以及模型的安全设置。该研究的主要结论是：交互语言会影响人工智能的行为。因此，将AI模型用作心理学和社会学调查中人类受访者的替代品仍是一种不可靠的方法。