人类对大语言模型的合作程度：在可能沟通或遵循人类互动的情况下
人机交互
2025-07-28 v1 计算与语言
计算机与社会
综合经济学
经济学
摘要
大型语言模型驱动的机器有望在各类任务中增强人类作用，这一发展对具有有效沟通、协作和利益相关者信任的商业环境具有深远意义。为探讨与大语言模型交互是否会在此类环境中改变合作行为，我们使用囚徒困境游戏——作为多个真实世界经理和经济情景的替代品。在实验1中（N=100），参与者在与人类、经典机器人和大语言模型（GPT，实时）进行30轮重复游戏中进行互动。在实验2中（N=192），参与者与人类或大语言模型进行一次性游戏，其中一半允许与对手沟通，使大语言模型得以利用其相对于旧一代机器的关键优势。与人类对手相比，与大语言模型的合作率虽低约10-15个百分点，但仍然很高。这一发现在实验2中尤为突出，那里的自私行为心理成本较低。虽然允许关于合作的沟通并未缩小人机行为差距，但它平等地增加了与人类和大语言模型的合作可能性（提高了88%），这对大语言模型而言尤为惊讶，因为其非人类属性以及人们可能对与机器合作持较低接受度的假设。此外，与大语言模型合作的程度在与人类事先互动后更高，表明合作行为存在溢出效应。我们的发现验证了在具有合作性成分的场景中谨慎使用大语言模型的可能性。
引用
@article{arxiv.2507.18639,
title = {People Are Highly Cooperative with Large Language Models, Especially When Communication Is Possible or Following Human Interaction},
author = {Paweł Niszczota and Tomasz Grzegorczyk and Alexander Pastukhov},
journal= {arXiv preprint arXiv:2507.18639},
year = {2025}
}