探索 LLM 风险决策中结果层面的相似性和机制层面的一致性：来自圣彼得堡博弈的证据

LLM 在风险决策任务中可能显得谨慎，但谨慎的输出并不一定表明与人类决策机制保持一致。我们使用圣彼得堡博弈作为受控测试平台来研究这种区别，这是一个经典悖论，其中预期收益是无限的，但人类通常报告较低且有限的支付意愿。我们使用包含原始游戏的结构化提示套件评估 28 LLM；扰乱截断、重复游戏、数字禀赋和职业认同的受控决策变量；人类视角的提示，要求模型作为人类决策者进行推理；以及基本模型和经过指令调整的模型之间的配对比较。在最初的游戏中，大多数模型都会生成有限的出价，从而产生类似人类的风险行为。然而，这种结果层面的相似性掩盖了机制层面的实质性差异。受控变体表明，模型通常会转向有条件和计算上的理性行为，而不是维持原始游戏中看到的类似人类的行为。人为提示提示和指令调整通常会降低出价并减少一些明显的病症，但大多数机制级别的响应模式基本上保持不变。这些发现表明，风险决策中的行为一致性可能是表面层面的：LLM 可能会产生类似人类的风险决策，但不会表现出与人类一致的机制。因此，对 LLM 决策的高风险评估应该超越结果相似性，并检查机制层面的一致性是否支持这种一致性。