본 논문은 대규모 언어 모델(LLMs)이 누적 전망 이론(CPT) 매개변수를 명시적으로 보정하지 않고도 경로 선택에서 체계적인 인간 행동 편향을 복제할 수 있는지 조사합니다. 저자들은 CPT에 의해 예측된 확립된 인간 패턴과 LLM이 생성한 결정을 비교하기 위한 행동 평가 프레임워크를 설계했습니다.
- 개인 수준의 CPT 매개변수를 지정하는 기존 방법은 설문 조사와 통제 실험에 의존하여 일반화가 어렵고 의사결정 다양성을 포착하지 못합니다.
- 실험 결과는 LLMs가 비합리적인 인간의 선택 편향을 재현하고 불확실성 하에서 전망 이론적 효과와 일치하는 의사결정 행동을 보인다는 것을 보여줍니다.
- 이 발견은 대규모 에이전트 기반 시뮬레이션을 위한 인간 의사결정 과정을 모델링하기 위해 생성형 AI 모델이 확장 가능한 대안을 제공할 수 있음을 시사합니다.
이러한 결과는 차세대 대규모 에이전트 기반 시뮬레이션 및 AI 기반 행동 연구에 유망한 기초를 제공합니다.