谁拥有它？评估大语言模型中的所有权直觉

所有权建立了对对象的使用、控制和转让的权利。理解这些关系对于人工智能系统与人类及其资源进行适当的交互至关重要。然而，大语言模型（LLM）如何在竞争性主张下归属所有权仍不清楚。我们引入了竞争所有权归属任务 (COAT)，其中包括 42 个场景，并将 24 个 LLM 配置的所有权分配与 108 名人类参与者的所有权分配进行比较。总体而言，人类与模型的相似性接近于人类与人类的相似性，但模型在所有权判断方面表现出更大的同质性。在个人答案中，模型还比人类更均匀地在索赔人之间分配所有权。与人类相比，跨模型配置的汇集反应揭示了更多具有共同判断的场景，而更少的具有不同观点群体的场景。当人类形成不同的群体时，模型可能会收敛于一个观点或不同观点之间。进一步的比较揭示了不同的上下文敏感性。随着各种场景中物质价值的增加，模型中对创作者的分配下降幅度小于人类。在公众对后来持有者作为所有者的认可程度不同的情况下，对这些持有者的分配在模型中有所增加，但在人类中略有减少。总之，这些发现表明，评估的大语言模型回答并没有完全体现参与者所有权判断的多样性或这些判断在不同情况下如何变化。因此，开发具有社交能力的人工智能需要超越整体相似性，捕捉人类判断的多样性和情境依赖性。