Zoran Tiganj

大型语言模型与人类：群体任务中的协调差距揭示

一篇新研究论文发布在arXiv上，探讨了大型语言模型（LLMs）与人类在群体任务中的协调策略。该研究题为“高波动性和行动偏见使大型语言模型在群体协调中区别于人类”，使用了一种“群体二分搜索”游戏，参与者共同目标是达到一个目标数字。研究结果表明，与人类会随着时间稳定其行为不同，大型语言模型常常难以适应并表现出过度的切换，阻碍了群体的收敛。研究还表明，更丰富的反馈对人类比对大型语言模型更有益，并且GRPO可以帮助缓解大型语言模型的切换问题。