让所有人参与进来：一项关于大语言模型促进群体决策的实验研究
人机交互
2025-08-12 v1
摘要
群体决策常常因信息分享不均而受损，从而影响决策质量。虽然大语言模型（LLMs）作为个人辅助工具已被广泛研究，但它们支持用户群体（尤其是作为促进者）的潜力相对而言尚未得到充分探索。我们展示了一项预先注册的随机实验，共有 1475 名参与者被分配到 281 个五人小组中，完成一项隐藏档案任务——为一个假设的体育赛事选择最佳城市——实验在四种促进条件下进行：无促进、一次性信息分享提示、人类促进者或 LLM（GPT-4o）促进者。我们发现，LLM 促进通过提高小组成员对任务的最低参与度，增加了讨论中分享的信息量，并且这些收益在参与者对任务、小组或促进者的态度方面付出的代价有限。无论是人类还是人工智能促进，对最终决策结果都没有显著影响，这表明即使信息分享有实质性但部分的增加，也不足以克服所研究的隐藏档案效应。为了支持未来关于基于 LLM 的界面如何支持协作决策的研究，我们发布了实验平台——群体-AI 交互实验室（GRAIL），作为一个开源工具。
引用
@article{arxiv.2508.08242,
title = {Bringing Everyone to the Table: An Experimental Study of LLM-Facilitated Group Decision Making},
author = {Mohammed Alsobay and David M. Rothschild and Jake M. Hofman and Daniel G. Goldstein},
journal= {arXiv preprint arXiv:2508.08242},
year = {2025}
}