Collective-Risk Dilemma

新模型联合预测大型语言模型的偏好和不完美决策

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。