大模型时代的心理计算：从预训练到交互式应用的综述

人工智能与心理学的融合领域正在快速扩张，年发文量已由2000年的859篇激增至2025年的29,979篇。不过，这种迅猛发展也导致了方法论上的“碎片化”，即类似的计算技术在不同心理学分支中孤立发展。本文提出了首个系统性的分类框架，依据计算处理方式而非应用领域重构AI驱动的心理学任务，将其划分为四大类：分类、回归、结构化关系及生成交互式任务。通过对跨越预训练模型与LLM时代的300多项代表性研究进行剖析，我们探讨了计算方法如何从特定任务的特征工程演进至迁移学习及少样本自适应。此外，本文梳理了相关数据集、评估