۴. نتایج


مدل GPT-4.5 پرسونادار 73 درصد موفقیت داشت. 76 درصد کاربرهای عمومی رو متقاعد کرد و 69 درصد از دانشجوهارو ( بهتر از انسان ها عمل کرد )

مدل LLaMa پرسونادار 56 درصد موفقیت داشت. 65 درصد از کاربران عمومی رو متقاعد کرد و 45 درصد از دانشجو هارو

مدل‌های ضعیف‌تر مثل ELIZA و GPT-4o فقط ۲۲٪ موفقیت داشتن.


📌 پرسوناسازى عملکرد رو دو برابر کرد.

📌 حتی آدم‌های متخصص هم نتونستن GPT-4.5 رو تشخیص بدن

Win Rates:

GPT-4.5 (Persona): 73% (Prolific: 76%, Students: 69%).

LLaMa (Persona): 56% (Prolific: 65%, Students: 45%).

Baselines (ELIZA, GPT-4o): ~22% (failed).

Persona prompts doubled AI’s success (p < 0.001).

Even AI experts couldn’t reliably spot GPT-4.5.

🔰 @scopeofai | #papers