人工金融：AI如何思考金钱
综合经济学
2025-07-16 v1 人工智能
经济学
摘要
本文探讨了大型语言模型（LLM）如何处理金融决策问题，系统性地比较了其回应方式与来自全球人类参与者的回应。我们向七个领先的LLM提出一组常用的金融决策问题，包括来自GPT系列的五个模型（GPT-4o、GPT-4.5、o1、o3-mini）、Gemini 2.0 Flash和DeepSeek R1。随后我们将其输出与覆盖53个国家的人类回应进行比较。我们的分析揭示了三个主要发现。首先，LLM通常表现出风险中性的决策模式，在面对类彩票问题时倾向于选择符合预期价值计算的选项。其次，在评估现在与未来的权衡时，LLM偶尔会产生看似不符合规范性推理的回应。第三，在交叉国家比较中，我们发现LLM的综合回应最接近来自坦桑尼亚的参与者。这一发现为理解LLM如何模拟人类决策行为提供了依据，并凸显了其输出中潜在的文化和训练影响。
引用
@article{arxiv.2507.10933,
title = {Artificial Finance: How AI Thinks About Money},
author = {Orhan Erdem and Ragavi Pobbathi Ashok},
journal= {arXiv preprint arXiv:2507.10933},
year = {2025}
}