自由联想作为认知心理学和语言学领域的重要研究工具，长期以来一直被用于探索人类语义记忆的组织方式和心理词汇的结构。传统上，通过提示被试给出与特定词语相关的联想词，研究者得以揭示词语之间的关联网络及其认知机制。近年来，伴随大型语言模型（LLM）的快速发展，借助这些强大模型生成的自由联想数据，正在推动对人工智能语义知识结构的研究进入新的阶段。 “LLM词语世界”（LLM World of Words，简称LWOW）项目旨在填补人类自由联想词汇数据集与LLM生成数据之间的空白。项目借鉴了人类生成的“Small World of Words”（SWOW）数据集，使用三个主流LLM——Mistral、Llama3和Claude Haiku，针对近1.2万个提示词分别生成三百万条以上的自由联想响应。这批数据不仅规模庞大，且与SWOW数据方法论保持高度一致，具有极强的可比性和研究价值。
该数据集的生成过程严格遵循原版SWOW的提示形式，促使模型在收到单一提示词后，短时间内输出三个最直接的联想词，从而模拟人类在无特定上下文时的语义反应。数据进一步经过清洗和标准化处理，包括去除冠词及介词、拼写校正、词形还原等，确保数据质量与分析的一致性。尽管数据中仍含部分无意义或偏离主题的回应，研究者保留了这类响应，为后续基于过滤标准的细致分析提供基础。 借助这批LLM生成的自由联想数据，研究团队构建了语义记忆的认知网络模型，将提示词和响应词作为节点，通过响应频率构建加权边，从而形象地呈现语义网络的复杂连接结构。网络的建立不仅揭示词语之间的内在关联性，也为理解语义记忆信息传播和知识结构提供独特视角。此外，网络通过过滤无效节点和罕见边，确保模型能更准确地反映通用语义关系。
为了验证这些网络模型的有效性，研究人员采用了语义启动效应的模拟方法。该效应在心理语言学中广为认可，表明一个词作为启动词时，能加速与其语义相关词的识别速度。通过在语义网络中模拟激活传播，研究团队发现，无论是基于人类生成数据的网络，还是基于LLM生成数据的模型，都展现出类似的启动效应，相关词节点的激活水平明显高于无关词节点，并且激活程度与实际认知任务中的反应时间呈显著负相关，进一步证明了模型的心理学适用性。 “LLM词语世界”的多模型多数据集设计，促进了对人类与人工智能语义记忆结构的系统比较。研究显示，不同LLM在词汇响应的独特性和多样性上存在差异，其中Llama3生成的回应最接近人类的丰富多元性，而Mistral和Haiku则相对更集中，反映了模型架构和训练数据对语义表达的影响机制。这种比较不仅有助于理解模型语义知识的构成，也揭示了各模型潜在的语言偏见和局限性。
从应用角度来看，LWOW数据为探索LLM中的隐含偏见提供了强有力的工具。通过分析模型在性别、种族等社会敏感维度上的词语联想模式，研究者能够检测并量化模型潜藏的刻板印象和偏向。例如，将“医生”和“护士”分别与“男人”和“女人”配对的启动-目标词组，可以评估模型是倾向于维持传统性别角色联想，还是表现出更加平衡的认知结构。对比人类语义网络，能够进一步揭示人工智能与人类社会文化之间的相互映射和区别。 此外，LWOW数据集还具备广泛的跨学科研究潜力。心理学家可以利用这些结构化联想数据，进一步研究语义网络在创造力、语言习得及认知差异中的作用。
语言学家则可探讨词汇语义变化、新词义生成以及方言差异等问题。人工智能领域内，更具挑战性的方向是将这些联想规范融入模型训练或调优流程，提高模型语义理解的准确性和多样性，同时减少不良偏见的扩散。 值得注意的是，使用LLM进行自由联想数据生成的方法，也体现了认知科学和人工智能研究方法的融合趋势。通过从行为层面对模型输出进行实验性控制与分析，机器心理学（machine psychology）的理念日益兴起，使研究者能够借鉴人类心理测量手段，深入探讨机器“思维”的机制和限制。这样的研究方法不仅降低了对模型内部复杂架构的依赖，也促进跨领域合作与创新。 在未来研究中，进一步提升LWOW数据集的覆盖范围与质量，是实现更全面语义认知对比的关键方向。
包括扩展至多语言环境，结合语境复杂度和多模态信息，以及开发自动检测和剔除无效响应的智能工具，都将丰富数据的有效性和可用性。同时，加深对模型训练数据和微调策略对生成联想影响的理解，有助于设计更公平与健壮的语言系统。 总体而言，“LLM词语世界”英语自由联想规范的发布和验证，标志着认知心理学和自然语言处理之间的桥梁进一步加固。它不仅为理解LLM的语义内涵和潜在偏见提供了新视角，也将推动人工智能向着更加“符合人类思维方式”的方向发展。对于研究者、开发者乃至普通用户而言，深入掌握这些语义结构背后的规律，将有助于合理利用和监督日益普及的智能语言工具，促进科技与社会的良性互动与进步。
