参考文献 Bail, C. A. 生成性人工智能能改善社会科学吗？美国国家科学院院刊 121, e2314021121 (2024)。文章 CAS PubMed PubMed Central Google Scholar Grossmann, I. 等. 人工智能与社会科学研究的转变。科学 380, 1108–1109 (2023)。文章 CAS PubMed Google Scholar Luo, X. 等. 大型语言模型在预测神经科学结果方面超越人类专家。自然人类行为 9, 305–315 (2025)。文章 PubMed Google Scholar Crockett, M. & Messeri, L. 大型语言模型是否应该取代人类参与者？PsyArXiv 预印本 https://doi.org/10.31234/osf.io/4zdx9 (2024)。Abdurahman, S. 等. 在心理研究中使用大型语言模型的危险与机遇。PNAS Nexus 3, 页码245 (2024)。文章 PubMed PubMed Central Google Scholar Argyle, L. P. 等. 从一而多：使用语言模型模拟人类样本。政治分析 31, 337–351 (2023)。文章 Google Scholar Bisbee, J., Clinton, J. D., Dorff, C., Kenkel, B. & Larson, J. M. 人类调查数据的合成替代品？大型语言模型的危险。政治分析 32, 401–416 (2024)。文章 Google Scholar Atari, M., Xue, M. J., Park, P. S., Blasi, D. & Henrich, J. 哪些人类？PsyArXiv 预印本 https://doi.org/10.31234/osf.io/5b26t (2023)。Dillion, D., Tandon, N., Gu, Y. & Gray, K. 人工智能语言模型可以取代人类参与者吗？认知科学趋势 27, 597–600 (2023)。文章 PubMed Google Scholar Filippas, A., Horton, J. J. & Manning, B. S. 大型语言模型作为模拟经济代理：我们可以从 Homo Silicus 中学到什么？在第25届ACM经济学与计算会议论文集中 614–615 (ACM, 2024)。Binz, M. & Schulz, E. 利用认知心理学理解GPT-3。美国国家科学院院刊 120, e2218523120 (2023)。文章 CAS PubMed PubMed Central Google Scholar Bai, H., Voelkel, J. G., Muldowney, S., Eichstaedt, J. C. & Willer, R. LLM生成的信息可以在政策问题上说服人类。自然通讯 16, 6037 (2025)。文章 PubMed PubMed Central Google Scholar Hackenburg, K. 等. 使用对话式人工智能进行政治说服的杠杆。科学 390, eaea3884 (2025)。文章 CAS PubMed Google Scholar Meta基础人工智能研究外交团队 (FAIR) 等. 通过将语言模型与战略推理相结合在外交游戏中实现人类级别的游戏。科学 378, 1067–1074 (2022)。Park, J. S. 等. 生成性代理：人类行为的互动复制品。在第36届ACM用户界面软件与技术年会上（编辑Follmer, S. 等）1–22 (ACM, 2023)。Schramowski, P., Turan, C., Andersen, N., Rothkopf, C. A. & Kersting, K. 大型预训练语言模型包含人类的偏见，关于什么是对与错。自然机器智能 4, 258–268 (2022)。文章 Google Scholar Yin, Y., Jia, N. & Wakslak, C. J. 人工智能可以帮助人们感受到被倾听，但人工智能标签会降低这种影响。美国国家科学院院刊 121, e2319112121 (2024)。文章 CAS PubMed PubMed Central Google Scholar Lehr, S. A., Caliskan, A., Liyanage, S. & Banaji, M. R. ChatGPT作为研究科学家：探讨GPT作为研究图书管理员、研究伦理学家、数据生成器和数据预测者的能力。美国国家科学院院刊 121, e2404328121 (2024)。文章 CAS PubMed PubMed Central Google Scholar 社会科学时间共享实验。TESS www.tessexperiments.org (2026)。Coppock, A., Leeper, T. J. & Mullinix, K. J. 异质处理效应估计的可推广性。美国国家科学院院刊 115, 12441–12446 (2018)。文章 CAS PubMed PubMed Central Google Scholar Chang, S., Kennedy, A., Leonard, A. & List, J. A. 在实验研究中利用生成性人工智能的12个最佳实践（国家经济研究局，2024年）。Broska, D., Howes, M. & van Loon, A. 混合主体设计：将大型语言模型视为潜在的信息观察。社会学方法研究 54, 1074–1109 (2025)。文章 MathSciNet Google Scholar Chu, J. Y. 等. 学者在预测加强民主态度的干预措施时更为具体，实践者则更为敏感。美国国家科学院院刊 121, e2307008121 (2024)。文章 CAS PubMed PubMed Central Google Scholar DellaVigna, S. & Linos, E. RCTs的规模：来自两个推动单位的全面证据。计量经济学 90, 81–116 (2022)。文章 Google Scholar Dreber, A. 等. 使用预测市场来估计科学研究的可重复性。美国国家科学院院刊 112, 15343–15347 (2015)。文章 CAS PubMed PubMed Central Google Scholar Milkman, K. L. 等. 大型研究改善应用行为科学的影响。自然 600, 478–483 (2021)。文章 PubMed PubMed Central Google Scholar Harding, J., D'Alessandro, W., Laskowski, N. G. & Long, R. AI语言模型无法取代人类研究参与者。人工智能社会 39, 2603–2605 (2024)。Messeri, L. & Crockett, M. J. 人工智能与幻觉的...