文章介绍了作者 Baldur Bjarnason 所称的 'LLMentalist Effect' —— 用户认为基于聊天的大型语言模型具备真实智能和推理能力的现象。Bjarnason 基于他在软件企业中对语言模型的研究指出，这种感知并非源自模型内在的认知能力，而是来自与心理学家冷读表演中使用的心理机制完全相同的因素。他强调，LLM 是语言令牌的数学模型，能够生成在统计上看似合理的回复，但实际上没有任何人类意义上的思考或推理。
Bjarnason 详细说明了 LLMentalist Effect 如何对应心理学家骗局的六个阶段：首先，观众通过自身对 AI 能力的预设倾向自行选择；其次，通过炒作和期望铺垫场景，使模糊的输出显得有意义；第三，心理学家通过暗示或语句引发可见反应来缩小人群范围，这相当于提示如何引出特定的用户响应；第四，使用听起来具体但实际是统计通用的后续问题来检验目标；第五，更重要的是，涉及主观验证循环，其中看似具体但实际上是统计通用的验证语句 —— 如 Forer/Barnum 语句（例如 '你往往对自己要求很高'）、vanishing negatives、rainbow ruses 以及 statistical guesses —— 因为用户能将其与自身经历联系起来而被接受为准确。
此图对应文章中描述的观众选择阶段，其中倾向于信任 AI 的用户更容易受到 LLMentalist Effect 的影响。
此图说明了心理学家冷读类比中的场景铺垫阶段，此时炒作使用户倾向于将泛泛的 AI 响应视为与个人相关。
这与文章所述一致：提示如何使用户的注意力集中，使得 AI 的输出看来是专门针对特定子集的。
分析揭示了一个重要的悖论：自认智慧或具备分析思维能力的个体可能对 LLMentalist Effect 特别敏感。他们并不会驳斥这种幻觉，而是常常动用相当的创造力和智力来为模型表现出的能力找理由，因而成为 '最大且最有利可图的目标'，通过捍卫心理学家声称的能力来强化这一效应。这就形成了一种反馈循环：用户越配合这一幻觉，效应随时间变得越强，因而 Bjarnason 认为许多被提出的 LLM 应用场景在批评者眼中如今看起来像 '边缘欺诈伪科学'，因为被感知的智能实际上只是统计技巧，而非真正的认知能力。
此图支持文章对验证循环和反馈效应的解释：合作的用户会随时间推移加强 LLMentalist Effect。