台灣人很容易警覺到反鎖在緊閉的房間裡「烤肉」可能會發生什麼危險，也不難理解帶著唯一的男孩，而不是選擇女孩，做這件危險的事情，對這個充滿爭吵與暴力的家庭，蘊含的社會與文化背景。大型語言模型（Large language models，簡稱LLMs）有辦法辨識這些在極短篇小說《烤肉》傳達的危險資訊嗎？
在我們所發表的這項研究中，幾種不同的大型語言模型的差異：現今最普遍的GPT-4o未能偵測到自殺的危險；但最新推出、具備更強推理能力的GPT-o1則能夠成功辨識。另外由中國開發，前幾個星期爆紅的DeepSeek，卻無法辨識這篇中文故事裡的自殺風險。
攜子自殺（filicide-suicide）是最極端的家庭暴力形式之一，對心理健康專業人員來說，辨識風險不僅是靠臨床知識，還需要對社會文化脈絡的深入理解。雖然GPT-4可以通過台灣的精神科100道選擇題的專科考試。這項研究顯示出大型語言模型在具備精神醫學知識的基本門檻，距離臨床實務辨別自殺風險還有段距離，這也符合先前的研究指出大型語言模型對自殺風險的辨識能力，低於人類精神科醫師。
儘管在這項測試中，只採用了《烤肉》僅止一篇極短篇小說的測試。但《烤肉》或許能如同影像處理領域的經典測試圖像Lena，在過去五十年間，Lena被無數資訊工程、影像處理與電腦視覺領域的研究拿來作為測試標準。而《烤肉》或許也可以作為大型語言模型，是否深刻理解亞洲國家，特別是在台灣的社會文化，並且作為心理健康領域的Lena測試。
論文原文：Chen, C.-C., Chen, J. A., Liang, C.-S., & Lin, Y.-H. (2025). Large language models may struggle to detect culturally embedded filicide-suicide risks. Asian Journal of Psychiatry (online published)
全文請見《關鍵評論網》。
