PsyBrain 脑心前沿 / AI 与脑科学：顶刊文献解读专题 / A · 文献解读 / A030 · 大模型让科研更快，却可能让理解变浅：一篇关于LLM与“泛

A030 大模型让科研更快，却可能让理解变浅：一篇关于 LLM 与“泛化性幻觉”的提醒

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-12 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:Producing more while understanding less with large language models

发表时间：2026.2.19

发表期刊: Trends in Cognitive Sciences

影响因子：17.2

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

引言

大语言模型（large language models, LLMs）进入科研之后，最诱人的承诺并不只是“写得更快”，而是“研究得更广”。

在认知科学里，这种想象尤其强烈：如果现实中很难招募足够多、足够多元的人群，是否可以让模型充当“AI 替身（AI Surrogates）”，先替研究者试验问题、筛选任务，甚至模拟历史人群或边缘群体，从而提升研究结论的泛化性（generalizability）？

这篇发表于 *Trends in Cognitive Sciences* 的回应短文，正是对这一思路的直接反驳。

作者 Crockett 和 Messeri 继续沿用他们此前对“AI 替身”的批判框架，回应 Lin 提出的“把 LLM 当工具（LLMs-as-tools）也能增强泛化性”的观点。

文章最值得注意的地方，在于它并不否认 LLM 能显著提高产出效率，而是提醒我们：高效率并不自动等于高理解。尤其当模型建立在有限、失衡、去语境化的文本之上时，研究者很容易把“生成得像”误当成“理解得真”，进一步对历史、文化差异和临床能力形成过度自信。

对今天越来越依赖生成式人工智能（generative artificial intelligence）的科研实践而言，这篇短文像是一脚刹车：它逼着我们重新追问，工具扩张之后，真正增长的究竟是知识，还是幻觉。

实验设计与方法逻辑

这篇文章并非传统实证研究，而是一篇回应性评论。

作者围绕 Lin 提出的三种 LLM 应用场景——历史人群模拟、跨文化研究预实验和临床训练——逐一展开反驳，并结合自己此前提出的“去情境化、工程化、匿名化、去身体化（Decontextualized, Engineered, Anonymized, Disembodied, DEAD）”认知框架，检视训练语料的代表性、文本与真实人的断裂，以及模型在弱势群体表征上的偏差，最终论证 LLM 能加速科研流程，却未必增加对人类认知与行为的真实理解。

核心发现

最该警惕的，不是低效，而是“理解幻觉”

作者在这里提出“理解幻觉（illusions of understanding）”这一总框架：研究者可能把模型输出误当成自己的解释力，把模型能回答的问题误当成问题全集，也把模型覆盖到的文本世界误当成可普遍外推的人类世界。读这一部分要抓住的重点不是“LLM 有没有价值”，而是“它会不会让人过早相信自己已经理解了复杂现象”，而这正是全文所有批评的逻辑起点。

历史语料训练出的模型，不等于历史人群

针对“用历史档案训练 LLM 来检验理论能否跨世纪成立”的设想，作者指出，历史档案本身就高度偏向识字者、富裕者、精英男性和多数族群，因此模型学到的首先是“谁有机会留下文字”，而不是“那个时代的人普遍怎样思考”。这篇回应文没有常规实验图表，但这一段与 Box 1 中的“泛化性幻觉”形成直接呼应：真正需要关注的不是模型能否生成一段像古人的文本，而是这种生成是否被误读成对历史总体人群的可靠代表。

跨文化研究若先让 LLM 试跑，可能一开始就偏了

作者认为，把 LLM 用作跨文化研究的预实验工具，看似节省成本，实则可能让问题更严重。容易接触到的人群仍然接受完整的人类研究，而难接触到的人群却先被压缩成 DEAD 认知的替代品，这会把当前学界已有的结构性不平等进一步自动化。这里虽然没有复杂图表，但论证重点非常清楚：一旦研究是否值得进入真人验证，先由模型试跑结果来决定，那么被保留下来的问题类型本身就会越来越偏向模型擅长处理的、被去语境化的人类行为。

模拟“多元患者”训练临床人员，提升的可能只是自信

在临床训练场景中，作者最担心的不是模型回答不流畅，而是它会制造“我已经会了”的错觉。文中指出，被援引的相关研究更多报告的是学员对自身能力的“感知”和“信心”提升，而不是其真实临床能力已经得到验证；更重要的是，这些案例并没有真正模拟来自边缘群体的患者。读这一段要把握作者的分析逻辑：如果模型本身会系统性误表征弱势群体，那么它带给训练者的很可能不是更高的跨文化胜任力，而是更高的错误自信，最终把风险转嫁给真实患者。

归纳总结和点评

这篇文章的重要性，在于它把关于 LLM 的讨论从“能不能让科研更快”推进到“更快之后我们到底理解了什么”。作为一篇篇幅不长的回应短文，它没有提供新实验，却非常准确地击中了当下最容易被忽略的盲点：代表性不是靠更多文本自动获得的，泛化性也不是靠更快模拟自然长出来的。对认知科学、跨文化研究和临床训练来说，这是一篇分量不重、提醒很重的文章，它迫使研究者在拥抱效率之前，先守住理解的边界。

分享人：BQ

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍视野直击 Nature, Science, Cell 正刊及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」，为你打破信息差

科研是一场探索未知的长跑，但你无需独行。欢迎志同道合的你加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇