研究人员开发了一个名为偏好-行为模型(PBM)的新框架,以更好地理解大型语言模型(LLM)在复杂场景下如何做出决策。该模型结合了LLM的明确偏好和解释不完美效用最大化的机制,从而可以从观察到的选择中联合推断偏好和行为参数。在公共物品博弈和集体风险困境等社会困境中的实验表明,虽然标准的征询工具未能持续预测LLM的行为,但PBM在不同困境中均显示出预测价值。PBM还揭示,LLM的偏好通常与角色指令一致,但在不同维度、模型和特定博弈中可能存在分歧。 AI
影响 为理解和对齐LLM在复杂、多目标场景下的决策提供了框架。
排序理由 介绍LLM行为新建模框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Collective-Risk Dilemma
- Common-Pool Resource dilemma
- large-language models
- Preference-Behavior Model
- Public Goods Game
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →