为具有不同策略复杂度的智能体设计共享信息显示

数据驱动的预测常因行为响应而在事后被视为不准确。本研究探讨在策略性环境中，界面设计选择如何影响个体对共享信息显示上所呈现预测的决策过程。我们引入一种新颖的分阶段实验设计，在重复拥堵博弈中考察预测不确定性与误差可视化等设计特征的影响。在该博弈中，参与者扮演出租车司机角色，利用共享信息显示决定前往何处搜寻下一单乘客。我们的实验设计赋予智能体不同的 level-$k$ 思维深度，使部分智能体在利用同一信息显示预判他人决策时具备更高的复杂度。通过多项大规模实验，我们识别出优化个体决策的显示与最优服务系统集体社会福利的显示之间的权衡。我们发现，显示特征的影响因智能体的策略复杂度而异。我们观察到，促进个体层面决策的设计选择可能导致系统结果次优，表现为潜在社会福利实现程度的降低。然而，这种社会福利的下降被分布偏移的减少所抵消，缩小了预测与实现系统结果之间的差距，从而可能在事后提升信息显示的感知可靠性与可信度。我们的发现为策略性环境中有效预测界面设计的相关新问题铺平了道路。