面向机器的机械式轻推

AI 代理正在成为互联网上的主动决策者。由于它们在与人类相同的环境中做出决策，环境本身会发生变化以影响它们。我们称这种现象为「机械式轻推」：即如何呈现选择的变更，能够系统性地影响 AI 代理，而不会对人类的决策环境造成实际损害。为了衡量这一现象，我们结合两个框架——经济学中的贝叶斯说服和计算机科学中的 $\mathcal{V}$-可用信息——以获得衡量环境在广泛干预、情境和模型范围内变化的统一单位（比特）。我们将该框架应用于超过六百万个 Etsy 列表，发现自 ChatGPT 发布后，列表中用于预测代理策选决策的机器可用信息显著增加，增加了 0.143 个比特（最多可能增加 0.355 个比特）。这一偏移对提示、标记选择、标签模型和微调架构都稳健；在受监管文本的安慰剂中不存在；且远大于通用 LLM 重写的效应。相比之下，人类研究发现人类可用信息几乎没有变化。我们的结果提供了首个大规模证据，表明系统性机械式轻推正在野外发生，但却未被注意到。