大语言模型能否替代经济选择预测实验室？以基于语言的说服博弈为例

在经济情境中预测人类选择对于市场营销、金融、公共政策等领域的应用至关重要。然而，这一任务常常受限于获取人类选择数据的困难。由于大多数实验经济学研究集中于简单的选择设定，人工智能社区已开始探索大语言模型（LLMs）能否在这些预测中替代人类，并考察了更复杂的实验经济学设定。然而，一个关键问题依然存在：大语言模型能否为人类选择预测生成训练数据？我们在基于语言的说服博弈这一涉及自然语言策略互动的复杂经济设定中探索了此问题。我们的实验表明，在LLM生成数据上训练的模型能够有效预测这些博弈中的人类行为，甚至优于在真实人类数据上训练的模型。除数据生成外，我们还探究了LLM作为数据生成器和预测器的双重角色，并引入了一项关于利用LLM进行数据生成、人类选择预测或两者兼有的有效性的综合实证研究。随后，我们利用选择预测框架分析了策略因素如何塑造决策，结果表明互动历史（而非仅凭语言情感）在预测重复互动中的人类决策方面起着关键作用。特别是，当LLM以类似于人类的方式捕捉历史依赖的决策模式时，其预测成功率会显著提高。最后，我们证明了我们的发现在不同说服博弈设定下的稳健性，突显了使用LLM生成数据来建模人类决策的更广泛潜力。