大语言模型复现了与累积前景理论一致的人类路径选择偏差

本文研究了大型语言模型（LLM）是否能够在不显式校准累积前景理论（CPT）参数的情况下，复制人类在路径选择中的系统性行为偏差。作者设计了一个行为评估框架，用于将 LLM 生成的决策与 CPT 预测的既定人类模式进行比较。

• 指定个体层面 CPT 参数的传统方法依赖于调查和受控实验，这些方法难以推广且无法捕捉决策的多样性。
• 实验结果表明，LLM 复现了非理性的人类选择偏差，并在不确定性下表现出与前景理论效应一致的决策行为。
• 研究结果表明，生成式 AI 模型为大规模基于智能体的模拟中建模人类决策过程提供了一种可扩展的替代方案。

这些结果为下一代大规模基于智能体的模拟和 AI 驱动的行为研究提供了有希望的基础。