感知还是偏见：多模态大语言模型能否超越对人格的第一印象？

针对多模态大语言模型（MLLMs）在人格感知中可能存在的表面模式匹配问题，本文提出了“基于证据的人格推理”（GPR）新任务，要求模型将评分锚定于可观察的行为证据。作者发布了包含视频和多项选择题的 MM-OCEAN 数据集，并设计了涵盖评分、推理及证据锚定的三层评估体系。实验揭示了显著的“偏见差距”，表明多数正确评分缺乏合理的证据支撑，指出了当前模型在社会认知推理上的不足。