English(EN) Do people apply different norms to humans and large language models acting on their behalf? Evidence from norm elicitations in two canonical economic games

研究：人们对LLM资源分配的判断与人类行为不同

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-14 05:00

一篇新发表在arXiv上的研究探讨了与大型语言模型（LLM）互动时，人们的社会规范与与人类互动时有何不同。研究人员通过独裁者博弈和最后通牒博弈进行了实验，发现LLM的自利性分配比人类的分配被认为更不恰当。此外，在最后通牒博弈中，拒绝LLM的提议比拒绝人类的相同提议更被认为是恰当的，这表明人们在资源分配场景中将有限的代理权归因于LLM。 AI

影响表明人类对公平和代理权的看法在人类和LLM之间存在差异，影响AI系统的设计和用户信任。

排序理由发表在arXiv上的研究论文，详细介绍了关于人类规范应用于LLM的实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在arXiv上的研究论文，详细介绍了关于人类规范应用于LLM的实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Pawe{\l} Niszczota, Elia Antoniou · 2026-11-14 05:00

人们是否会对代表自己行事的人类和大型语言模型采用不同的规范？来自两个典型经济博弈中规范引发的证据

arXiv:2601.15312v2 Announce Type: replace-cross Abstract: While delegating tasks to large language models (LLMs) can save people time, there is growing evidence that offloading tasks to such models produces social costs. We elicit appropriateness of behavior in two canonical econ…

本文如何被排名

报道来源 [1]

人们是否会对代表自己行事的人类和大型语言模型采用不同的规范？来自两个典型经济博弈中规范引发的证据

相关实体

相关话题