文本描述彩票中人类选择的预测
机器学习
2025-12-16 v2
摘要
在风险和不确定性下预测人类决策是认知科学、经济学和人工智能中长期存在的挑战。虽然先前研究聚焦于数值描述的彩票，但现实世界的决策通常依赖于文本描述。本研究利用一个大规模的一次性二元选择文本描述彩票数据集，首次对这类任务中的人类决策进行了大规模探索。我们评估了多种计算方法，包括微调大语言模型（LLMs）、利用嵌入以及整合风险条件下的行为选择理论。结果表明，微调后的大语言模型，特别是GPT-4o，优于融合了行为理论的混合模型，挑战了数值设置中的传统方法。这些发现揭示了文本信息和数值信息如何影响决策的根本差异，并强调了需要新的建模策略来弥合这一差距。
引用
@article{arxiv.2503.14004,
title = {Predicting Human Choice Between Textually Described Lotteries},
author = {Eyal Marantz and Ori Plonsky},
journal= {arXiv preprint arXiv:2503.14004},
year = {2025}
}