大型语言模型是否愿意为风景多付费? 从主观选择推断支付意愿
人工智能
2026-02-11 v1 计算与语言
摘要
随着大型语言模型 (LLM) 在旅行助理和购买支持等应用中的部署增加, 它们经常需要在不存在客观正确答案的情境中代表用户做出主观选择。我们以旅行助理情境研究LLM决策, 通过呈现模型选择困境并分析其响应, 使用多项逻辑logit模型推导隐含的支付意愿 (WTP) 估计。这些WTP值随后与经济学文献中的人类基准值进行比较。除了基线情境外, 我们还检查了在更真实情境下的模型行为变化, 包括提供用户过去选择信息以及基于persona的提示。我们的结果表明, 尽管可以为较大的LLM派生有意义的WTP值, 但它们在属性层面也表现出系统性偏差。此外, 当引入高价选项或business-oriented personas时, 它们倾向于高估人类WTP。对更便宜选项的偏好进行条件限制可得出更接近人类基准的估计。总体而言, 我们发现既揭示了使用LLM进行主观决策支持的潜力与局限性, 也强调在实际部署此类系统时, 需要谨慎选择模型、设计提示并表示用户。
关键词
引用
@article{arxiv.2602.09802,
title = {Would a Large Language Model Pay Extra for a View? Inferring Willingness to Pay from Subjective Choices},
author = {Manon Reusens and Sofie Goethals and Toon Calders and David Martens},
journal= {arXiv preprint arXiv:2602.09802},
year = {2026}
}