LLM 驱动的次合理行为模仿：幻象还是现实？
人工智能
2024-02-15 v1 综合经济学
经济学
摘要
建模次合理代理人(如人类或经济家庭)本质上具有挑战性，原因在于难以对强化学习模型进行校准，或收集涉及人类主体的数据。既有工作凸显了大型语言模型(LLM)解决复杂推理任务并模拟人类交流的能力，而且将 LLM 作为代理人进行仿真显示出涌现社会行为，这可能有助于我们理解人类的行为。本文提议利用 LLM 生成的人类仿真演示来学习次合理代理人的策略，通过仿照学习。我们假设 LLM 可用作人类的隐式计算模型，提出一种框架使用从 LLM 派生的仿真演示来建模具有人类特征的次合理行为(例如，短视行为或风险规避偏好)。我们通过四个简单情景进行实验评估该框架建模次合理性的能力，包括已深入研究的倒童话游戏和棉花糖实验。为增强对该框架的信心，我们能够复制先前人类研究与上述情景相关的既定发现。我们通过讨论该框架的潜在益处、挑战与局限性作结。
引用
@article{arxiv.2402.08755,
title = {LLM-driven Imitation of Subrational Behavior : Illusion or Reality?},
author = {Andrea Coletta and Kshama Dwarakanath and Penghang Liu and Svitlana Vyetrenko and Tucker Balch},
journal= {arXiv preprint arXiv:2402.08755},
year = {2024}
}