Makalah ini menyelidiki apakah model bahasa besar (LLMs) dapat mereplikasi bias perilaku sistematis manusia dalam pemilihan rute tanpa kalibrasi eksplisit parameter Teori Prospek Kumulatif (CPT). Penulis merancang kerangka evaluasi perilaku untuk membandingkan keputusan yang dihasilkan oleh LLM dengan pola manusia yang mapan yang diprediksi oleh CPT.
- Metode konvensional untuk menentukan parameter CPT tingkat individu bergantung pada survei dan eksperimen terkontrol, yang sulit digeneralisasi dan gagal menangkap keberagaman keputusan.
- Hasil eksperimental menunjukkan bahwa LLM mereproduksi bias pilihan manusia yang tidak rasional dan menunjukkan perilaku keputusan yang konsisten dengan efek teori prospek di bawah ketidakpastian.
- Temuan ini menunjukkan bahwa model AI generatif menyediakan alternatif yang skalabel untuk memodelkan proses keputusan manusia untuk simulasi berbasis agen skala besar.
Hasil-hasil ini menawarkan fondasi yang menjanjikan untuk simulasi berbasis agen skala besar generasi berikutnya dan penelitian perilaku yang digerakkan oleh AI.