LLM 行为是否会在顺序决策中引发情绪偏差？

随着 大语言模型 (LLM) 越来越多地在高风险领域中作为自主代理部署，了解可能调节其决策的上下文因素变得至关重要。虽然 LLM 经过训练可以感知用户的情绪并与之产生共鸣，但目前尚不清楚诱发的情绪是否会影响他们的后续决策。我们使用爱荷华州赌博任务（IGT）来研究这个问题，这是一种研究不确定性下决策的经典心理学范式，并结合基于想象力的情绪诱导程序。我们首先通过确认 LLM 可以从上下文中感知强烈的、可区分的情绪，并且 LLM 智能体可以以类似人类的速度从顺序交互中学习，来验证该范例的可行性。通过经过验证的设置，我们发现，与人类不同，诱导情绪平均不会显着影响 LLM 智能体的决策动态。然而，愤怒的影响是有条件的：引发愤怒会使 LLM 智能体对错误决策的惩罚不太敏感，并且在游戏的早期阶段，愤怒会降低探索性，从而将决策早期锁定为几个选择。这些发现揭示了与人类行为相比，诱导情绪对 LLM 决策的微妙但独特的影响，并为 LLM 代理的情感调节的未来研究提供了工具。