人物角色如何影响智能体参与“平分或独占”博弈

角色经常被用来指导 大语言模型 代理，但它们在社会困境环境中塑造战略行为的有效性仍然不确定。为了解决这个问题，我们检查了角色提示在迭代的 Split 或 Steal 游戏中的影响，其中角色驱动的代理与由固定提示控制的虚拟人 (VH) 进行交互。代理是从四个开放模型（Ministral 3:3b、phi4:14b、Gemma3:12b 和 Gemma4:e4b）在两种温度设置（0.3 和 0.7）和零温度的确定性决策中实例化的，而 VH 由 GPT 4.1 mini 提供支持。在以欧洲葡萄牙语进行的 160 场比赛中，每场比赛 15 轮，双方的分拆结果占主导地位（约占 74% 的轮次），而剥削发生在不到 11% 的轮次中。模型选择显着影响行为：phi4 和 Ministral 3:3b 在不同温度下保持一致的合作，而 Gemma3:12b 和 Gemma4:e4b 表现出更多不同的策略和结果。基于大五人格特征的分析表明，亲社会型和原则型角色最一致地合作，而分析型角色更有可能利用 VH。主题分析显示，与友谊相关的对话与“分裂”决策一致，而与金钱和复仇相关的内容在“窃取”结果中更为普遍；情绪标签主要是中性或快乐的，提供的额外解释价值有限。这些发现描述了重复信任游戏中角色提示和模型差异之间的相互作用，并作为涉及人类参与者与具体 VH 交互的计划虚拟现实研究的基线。