摘要： 本周，心尺AIRA进行了更新和调整。主要变化包括更新了后端AI的知识库获取能力，并改变了回答模式以更接近心理学家的解读方式。文章强调心理测量不应仅基于测试结果与人群数据的对照，还应考虑个体的体验和文化差异。此外，介绍了新的API接口用于搜索相关论文和订阅心理学期刊的RSS推送，以便持续更新知识库。这些改进旨在提供更准确、相关的心理学信息，并通过解释和建议帮助用户理解自己的心理状态及如何改善。

摘要： 这篇周报主要介绍了大语言模型及其数据准备、内容和网站的相关工作。大语言模型方面，已完成私有部署和优化，并新增了 DeepSeek 模型。内容方面，已部署 rss 心理学订阅，获取了一批新量表。网站方面，构思了优化量表导入 json 的计划。

摘要： ItemStudy 新增利用大语言模型判断，因之前语义判断有问题且不能用 ReverseItem 作判断，现调用大语言模型判断 item 对语义是否相反，将语义相反的 item 对 similarity 取负。在特定模型下选取两端测试，正 correlation 区在现有样例中全部维持原判，负 correlation 区误判率约 0.325。此方法不能很好解决负 correlation 问题，需进一步研究。

摘要： PsychoScales是一个致力于促进心理学知识公开和人群研究的量表网站。2024年初，该项目建立了一个基于量表的AI解读网站，但存在一些问题，如框架复杂和解读不全面。因此，项目团队进行了技术与知识的储备，以完善PsychoScales的设计。2025年，项目重新搭建了两个子项目：[PsychoScales](https://www.psychoscales.com/)和[PsychoScalesOrg](https://www.psychoscales.org/)。前者提供混合量表测量和AI解读，后者是量表展示与结果计算平台。用户信息不会被保存，仅邮箱用于区分用户。新的PsychoScales采用随机量表系统，以提供更准确的测量结果，并保留所有量表问题、选项和计分机制用于数据比较。AI将与用户对话，解读所有量表结果。用户每回答一个问题将获得积分，每次对话消耗五个积分，以激励用户提供最新数据。

摘要： 计算 Cronbach's alpha 可衡量量表项内部一致性，其取值范围是 0 到 1，值越高表示一致性越好。具体公式为：alpha = k / (k - 1) * (1 - sum(sig_i^2) / sum(sig_T^2))，其中 k 是量表项数，sig_i^2 是每个项的方差，sig_T^2 是所有项分数总和的方差。