Large Language Models are as persuasive as humans, but how? About the cognitive effort and moral-emotional language of LLM arguments

大型语言模型（LLMs）已经和人类一样具有说服力，但我们对它们如何做到这一点知之甚少。本文研究了LLMs的说服策略，并将其与人类生成的论点进行了比较。使用1251名实验参与者的数据集，我们使用认知努力（词汇和语法复杂性）和道德情感语言（情感和道德分析）的度量来分析LLM生成和人类生成的论点的说服策略。研究发现，LLMs产生的论点需要更高的认知努力，展现出比人类更复杂的语法和词汇结构。此外，LLMs表现出更强的倾向去深入探讨道德语言，比人类更频繁地使用正面和负面道德基础。与先前的研究相比，LLMs和人类产生的情感内容没有显著差异。这些发现有助于AI和说服的讨论，突显了LLMs通过数字说服的沟通策略既可以增强信息的完整性，也可以削弱它。

研究人工智能劝说策略，比较与人类生成的论点的不同。

使用认知努力和道德情感语言等方面的指标，分析比较了LLMs和人类生成的论点的劝说策略，发现LLMs生成的论点需要更高的认知努力，更深入地使用道德语言，但情感内容与人类生成的论点无显著差异。

实验使用了1,251名参与者，比较了LLMs和人类生成的论点的劝说策略；LLMs生成的论点需要更高的认知努力，更深入地使用道德语言，但情感内容与人类生成的论点无显著差异；这些发现对于AI和劝说的讨论有重要意义。

最近的相关研究包括“基于深度学习的情感分析”、“自然语言处理在劝说中的应用”等。