Ch-AI-Tanya：探索大语言模型的心理学现象研究库

Ch-AI-Tanya是一个专注于大语言模型（LLM）类心理学现象的研究知识库，旨在收集、整理和分析LLM中观察到的类类心理学学行为特征。该项目从跨学科视角出发，探索AI系统在交互中展现的如认知偏差、记忆模式等与人类心理学现象的类比，为研究者、开发者及伦理学家提供参考。

Ch-AI-Tanya核心定位是研究知识库而非应用工具，系统收集分类LLM相关心理学现象。其内容结构包括：现象定义、观察案例、机制解释、相关论文及讨论争议，助力跨学科知识系统化呈现

项目涵盖四大类心理学相关现象： 1.认知偏差类：确认偏误、锚定效应、框架效应等推理偏差； 2.记忆与遗忘类：上下文注意力分配、早期信息遗忘曲线、虚构记忆； 3.社会心理学类：角色扮演中的从众、权威服从、群体思维模拟； 4.情绪与动机类：情绪理解模拟、多目标动机冲突（涉及情感计算与AI对齐）

采用多层次研究方法： 1.现象观察：通过大规模人机交互日志识别重复行为模式，需系统数据收集标注； 2.受控实验：设计特定提示场景测试假设（如对比不同框架下输出量化偏差影响）； 3.理论构建：尝试用现有心理学理论或新概念框架解释现象（因AI机制与人类大脑本质不同，具挑战性）

积极价值：帮助预测理解LLM行为、设计有效交互策略、识别风险模式，为AI对齐提供概念工具； 争议点：过度拟人化可能误解AI能力，掩盖统计本质，被批评为范畴错误，易误导公众； 项目需保持方法论严谨，区分描述性类比与本质性断言

Ch-AI-Tanya代表AI跨学科研究前沿，探索LLM行为特征。无论类比是否有效，均深化对AI的理解。对AI从业者：助于理解模型能力局限；对心理学研究者：提供观察心智现象新基质的机会；知识库为跨学科对话提供共享参考框架