大语言新闻供应商：决策偏差与认知机制
人工智能
2025-12-16 v1
摘要
问题定义：尽管大语言模型 (LLMs) 正在越来越多地被集成到业务决策中，但其潜在复制甚至放大人类认知偏差的风险引起广泛关注。这在高风险的运营情境中尤为关键，如供应链管理。为此，我们使用典型的动态新闻供应商问题，调查领先 LLMs 的决策模式，以识别其认知偏差的性质与来源。方法/结果：通过针对 GPT-4、GPT-4o 和 LLaMA-8B 的动态、多轮实验，我们测试了五种已知的决策偏差。我们发现 LLMs 持续复制经典的"过低/过高"排序偏差，并显著放大了其他倾向，如需求追逐行为。我们的分析揭示了一种"智力悖论"：更复杂的 GPT-4 通过过度思考表现出最大的非理性，而效率优化的 GPT-4o 接近最优。由于这些偏差即使在提供最优公式后仍然存在，我们得出结论，它们源于架构约束而非知识缺口。管理学意义：首先，经理人应根据具体任务选择模型，因为我们的实验显示，效率优化模型在某些优化问题上可能优于更复杂的模型。其次，LLMs 放大的偏差凸显了在高风险决策中需要强大的人类在环监督的紧迫需求，以防止造成昂贵的错误。第三，我们的发现表明，设计结构化、基于规则的提示是经理人限制模型启发式倾向并提高AI辅助决策可靠性的实用且有效的策略。
引用
@article{arxiv.2512.12552,
title = {Large Language Newsvendor: Decision Biases and Cognitive Mechanisms},
author = {Jifei Liu and Zhi Chen and Yuanguang Zhong},
journal= {arXiv preprint arXiv:2512.12552},
year = {2025}
}