人工创业认知：在大语言模型（LLM）内定位并因果引导机会识别旋钮

创业认知是创业研究的基础。然而，大型语言模型（LLM）越来越多地参与创业工作，将认知问题从人类行为者扩展到了其内部表征在很大程度上尚未被探索的系统。我们介绍人工创业认知，即人工智能（AI）系统内与创业相关的表示和计算的功能组织。我们通过表征工程将机械可解释性引入创业研究。专注于机会识别 (OR)，我们构建了 636 个匹配的 OR 存在和 OR 不存在场景对，并在 Llama 3.1 8B-Instruct 中恢复 OR 方向。我们不是从输出中推断结构，而是直接干预这个方向，沿着我们所说的机会识别刻度盘上下引导模型，并且它的机会判断也随之变化。据我们所知，这是大语言模型内部首次对创业结构的内部表征进行因果干预。保留测试、词汇和主题控制、行为消融和几何比较表明，该方向是可恢复的、后果性的，并且与机会评估和利用方向不同，尽管引导它也会改变对这些相邻阶段的判断。恢复、符号转向和几何分离适用于跨越不同规模和家庭的另外四个大语言模型。这些结果为机会识别和评估之间有争议的区别提供了人工智能系统内的具体表征形式。更广泛地说，他们将内部表征建立为创业探究的新对象，并展示了创业理论如何指导他们的识别、因果操纵和解释。