理性火花：推理 LLM 是否与人类判断和选择相吻合？
人工智能
2026-02-02 v1 计算机与社会
摘要
大型语言模型（LLM）正日益被定位为招聘、医疗和经济判断等决策引擎，但现实中的人类判断是理性 deliberation 与情感驱动偏见之间权衡的结果。如果 LLM 参与高风险决策或作为人类行为的模型，那么评估它们是否呈现类似的（不）理性模式和偏见便至关重要。为此，我们评估了多个 LLM 系列在 (i) 测试理性选择核心公理的基准测试，以及 (ii) 来自行为经济学和社会规范的经典决策领域，这些领域中情感被证实会影响判断和选择。在各种情境下，我们展示，刻意的“思考”可靠地提高理性水平，并将模型推向预期价值最大化。为了探讨人类类似情感扭曲及其与推理的相互作用，我们使用两种情感引导方法：情境内 priming（ICP）和表示层引导（RLS）。ICP 可引发强大的方向性偏移，往往极端且难以校准；而 RLS 产生更符合心理学的模式，但可靠性较低。我们的结果表明，同样的机制既能提高理性水平，又会放大对情感干预的敏感性，而不同引导方法在可控性与人类对齐行为之间进行权衡。总体而言，这指向了推理与情感引导之间的张力，对人类仿真以及 LLM 基于决策系统的安全部署都有深远含义。
引用
@article{arxiv.2601.22329,
title = {Sparks of Rationality: Do Reasoning LLMs Align with Human Judgment and Choice?},
author = {Ala N. Tak and Amin Banayeeanzade and Anahita Bolourani and Fatemeh Bahrani and Ashutosh Chaubey and Sai Praneeth Karimireddy and Norbert Schwarz and Jonathan Gratch},
journal= {arXiv preprint arXiv:2601.22329},
year = {2026}
}