大语言模型对人类幸福感的评分高于人类自身

研究想检验大语言模型能否从被动感知数据推断日常情感。作者用 83 名被试 17 周的手机使用、键盘和屏幕文本等数据生成逐小时日记，让 Gemini-2.5-flash-lite 零样本预测每周的积极消极情感量表简版评分，共得到 4949 份预测。结果显示整体准确率仅 27.8%–30.8%，低于用被试上周自评作基线的 49.1%，且预测的情感平衡值系统性偏向积极，被试自评消极时模型仍多判为积极。作者指出样本来自单一高校队列，且只检验了一个模型。