PulseAugur
中
实时 11:03:50
English(EN) Probing Outcome-Level Resemblance and Mechanism-Level Alignment in LLM Risk Decisions: Evidence from the St. Petersburg Game

研究发现LLM表现出表面风险一致性

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文探讨了大型语言模型（LLM）在面临风险时，是否真正与人类决策机制保持一致，并以圣彼得堡博弈为测试平台。虽然许多LLM在原始游戏中会产生类似人类的有限出价，但这种结果层面的相似性常常掩盖了不同的潜在推理过程。游戏的受控变体显示，即使经过指令调整，LLM也经常转向条件理性行为，而不是保持与人类一致的机制。 AI

影响 强调需要超越表面结果，对LLM的决策进行更深层次的评估，以确保真正的对齐。

排序理由 学术论文分析LLM在特定任务上的行为。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Chensong Huang, Changyu Chen, Chenwei Lin, Hanjia Lyu, Xian Xu, Jiebo Luo ·

    Probing Outcome-Level Resemblance and Mechanism-Level Alignment in LLM Risk Decisions: Evidence from the St. Petersburg Game

    arXiv:2606.04978v1 Announce Type: new Abstract: LLMs can appear cautious in risk decision-making tasks, yet cautious-looking outputs do not necessarily indicate alignment with human decision-making mechanisms. We investigate this distinction using the St. Petersburg game as a con…

相关实体

相关话题