用人工智能制定策略：来自选美比赛博弈实验的见解

$p$-选美比赛博弈是一类广泛的猜测其他参与者中最流行策略的博弈。特别是，猜测所有参与者所选数字平均值的某个分数，是一个经典的行为实验，旨在测试不同人群的迭代推理模式。先前文献表明，对手的复杂程度是影响博弈结果的重要因素。更聪明的决策者会选择更接近理论纳什均衡的策略，并在有信息揭示的迭代博弈中表现出更快的收敛速度。我们通过运行虚拟实验，让大语言模型（LLMs）与各种虚拟玩家群体进行博弈，复现了一系列经典实验。我们的结果表明，LLMs 能够识别博弈的策略背景，并对变化的参数集表现出预期的适应性。与原始实验的参与者相比，LLMs 系统地表现出更复杂的行为。所有 LLMs 仍然未能识别出双人博弈中的占优策略。我们的结果有助于关于人工智能模拟人类经济主体准确性的讨论。