AI 决策中的风险判断分析： prospect theory 在大语言模型中的出现

Kenneth Payne

AI 决策中的风险判断分析： prospect theory 在大语言模型中的出现

人工智能 2025-08-05 v1 计算与语言计算机与社会

作者: Kenneth Payne

摘要

风险判断是不确定性情境下的决策关键环节。正如 Daniel Kahneman 和 Amos Tversky 所发现的，人类会以与数学理性主义不同的方式进行风险判断。具体而言，他们的实验表明，在感觉自己可能失去某物时，人们会接受更多风险；而在可能获得收益时，人们则更谨慎。本文对 Kahneman 和 Tversky 的里程碑式的「 prospect theory (前景理论)」进行首次测试，包括当今最先进的链式思考「reasoners」。与人类类似，我发现前景理论常常能够预测这些模型在多种情境下处理风险决策的方式。我还展示了情境对解释风险欲望方差至关重要。风险感知所处的「frame (框架)」似乎嵌入了模型所处理情境的语言中。具体而言，我发现军事情境会产生远大于平民环境的「framing effects (框架效应)」。我的研究表明，语言模型正在世界中捕捉我们的类人心理和偏见。但这些偏见并不均匀——「frame (框架)」的概念远比简单的收益与损失更丰富。Wittgenstein 的「language games (语言游戏)」概念解释了这些情境激活的偶然性和局部化偏见。最后，我利用这些发现重新框定关于大语言模型中推理与记忆的 ongoing debate (持续进行的讨论)。

关键词

前景理论大语言模型风险决策框架效应语言模型

引用

@article{arxiv.2508.00902,
  title  = {An analysis of AI Decision under Risk: Prospect theory emerges in Large Language Models},
  author = {Kenneth Payne},
  journal= {arXiv preprint arXiv:2508.00902},
  year   = {2025}
}

备注

26 pages, 2 figures, 9 tables, 2 appendices

AI 决策中的风险判断分析： prospect theory 在大语言模型中的出现

摘要

关键词

引用

备注

相关论文