迈向基于语言模型的策略性说服

大语言模型（LLMs）已展现出可与人类媲美的强大说服能力，这既带来了广阔的应用前景，也引发了社会担忧。然而，系统性地评估大语言模型的说服能力本身极具挑战性，因为说服在人类之间的有效性在不同领域差异显著。本文采用理论驱动的方法，为研究大语言模型的说服能力提供了一个可扩展且原则性的框架。基于贝叶斯说服理论，我们重新利用人人对话的说服数据集，构建了用于评估和训练大语言模型作为策略性说服者的环境。我们的结果表明，前沿模型能够持续获得高说服增益，并展现出与理论刻画相一致的复杂说服策略。在此基础上，我们使用强化学习在我们的环境中训练大语言模型进行策略性说服。结果还表明，即使是较小的语言模型，也能通过强化学习获得显著更高的说服增益。