深度分析 機器個體性：大型語言模型在刺激層級的行為指紋解析 隨著大型語言模型（LLM）被廣泛應用於決策支援與陪伴角色，理解其行為差異愈發重要。這項研究以交叉隨機效果模型分析十款開放權重模型，對超過十萬個詞彙在十四項語言心理評量上的約七千四百九十萬筆評分進行拆解，旨在區分共通語義、系統性回應偏差與刺激專屬的個體性（machine individuality）。
