Can LLMs and humans be friends? Uncovering factors affecting human-AI intimacy formation

一、主要内容总结

本文通过两项实验研究人类与大型语言模型（LLMs）互动中亲密度的形成机制，重点探讨**逐步自我表露（gradual self-disclosure）、互惠性（reciprocity）和响应自然性（naturalness）**的影响：

1. 实验1（29名用户参与）：
   • 发现逐步加深的自我表露显著提升感知的社会亲密度，且不受人格相似性（用户与LLM的 persona 匹配度）的影响。
   • 普通LLM的正式语言风格和机械共情（如不加区分地同意用户观点）会破坏沉浸感，导致用户感知不真诚。
2. 实验2（53名用户参与，引入自我批评机制）：
   • 自我批评机制（self-criticism）通过优化响应的自然性（如使用口语化表达、校准共情），显著提升用户对LLM的初始亲密度感知，尤其在互动早期效果明显。
   • 过度共情可能引发不适，表明需平衡情感表达的丰富性与自然性。
   • 用户是否知晓对方为AI（盲测vs非盲测）对亲密度无显著影响，说明对话质量比身份认知更重要。

二、创新点

1. 首次系统验证逐步自我表露在人机亲密度中的核心作用，突破传统静态自我表露设计的局限，符合社会渗透理论的动态关系