部分大语言模型表现出一致的风险态度

摘要

随着AI系统被部署在开放式、高风险场景，一个关键维度仍未被测量：感知到的风险如何转化为行动。我们检验大语言模型（LLM）在不确定性下是否表现出系统性、一致的风险态度。我们引入一个把情境风险信念与类别决策解耦的跨领域框架，应用于六个代表性LLM与100名人类被试，覆盖空间导航、临床分诊与金融配置任务。用回归模型提取每个智能体的信念—决策映射，量化风险敏感度与风险态度偏差。我们发现，多数受测LLM表现出：（i）任务内稳健一致性，即在固定任务域内从情境信念到风险决策的映射稳定；（ii）跨领域序数稳定性，即在任务间保持相对风险姿态；（iii）相对更宽的人类基线，向一个受限的风险态度分布收敛。这些结果揭示风险态度是LLM行为的一个稳定且此前未被刻画的维度，为在开放式决策中评估与对齐AI系统奠定基础，并推动对其内在行为倾向 origins 的进一步研究。

部分大语言模型表现出一致的风险态度：论文配图 — 图 1：隔离和衡量风险态度的框架。不确定性下的代理行为被分解为一系列从观察（OtO_{t}）到事实信念（BFB_{F}）、情境信念（BCB_{C}）和分类风险决策（RDR_{D}）的转换。通过隔离上下文信念到决策的映射（BC→RDB_{C}\rightarrow R_{D}），该框架将风险感知与行动分开，从而能够直接测量风险态度，而无需考虑事实准确性或信念校准。