تشهد الأبحاث النفسية في الوقت الراهن دخول نماذج اللغات الضخمة (LLMs) كأدوات فعالة للتقييم وأيضاً كموضوعات للدراسة. إلا أن العديد من الدراسات تستخدم أدوات بشرية لتقييم مخرجات هذه النماذج دون التأكيد على موثوقيتها أو إمكانية تفسيرها، مما قد يؤدي إلى مخاطر ما يعرف بالأشباح القياسية—أي أنماط إحصائية يُساء فهمها على أنها ظواهر نفسية حقيقية.

تشير المراجعة الحالية إلى أن البحث النفسي القوي الذي يعتمد على الذكاء الاصطناعي يحتاج إلى دمج تقنيتين منهجيتين رئيسيتين: التحقق النفسي للنتائج وما تعنيه النقاط الناتجة، والمعايير الاستنتاجية حول ما تستدعيه النتائج. تم تطوير إطار عمل مزدوج الصلاحية يراعي أن طلبات الأدلة تتزايد مع الطموح العلمي؛ بدءاً من استخدام الأدوات، مروراً بتوصيفات السلوك، إلى المحاكاة البشرية، وانتهاءً بنمذجة العمليات الإدراكية.

تتطلب تصنيفات النصوص تحقيق الدقة والموثوقية فقط؛ بينما يتطلب الادعاء بأن نموذج اللغة الضخم (LLM) يقوم بمحاكاة القلق أو يضيء آليات إدراكية أدلة إضافية، بما في ذلك أدلة الصلاحية الإنشائية وضوابط تجريبية. إن التقدم في هذا المجال يعتمد على تطوير نماذج حسابية تعكس المفاهيم النفسية بدلاً من افتراض أن القياسات البشرية تنطبق تلقائياً على نماذج اللغة.