arXiv · cs.CL· Baiqiao Zhang·· 20 小时前AI 评分43
LLM 如何在人机对话中预测用户决策：言语还是行为？
Words or Deeds? How LLMs Predict Users' Decisions in Human-Agent Dialogue
来源与原文
arXiv · cs.CL
作者：Baiqiao Zhang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36813v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究测试八个开源权重 LLM 如何结合对话与决策记录预测用户决策：42 名用户在五个人格特质智能体的重复囚徒困境博弈中完成 1,260 轮实验。决策记录预测的 AUC = .80，加入对话无显著增益，但模型过度相信言语——有陈述轮准确率仅从 .73 升至 .74，履约轮从 .76 升至 .95，违约轮从 .65 降至 .17；对宜人性智能体的实际合作率为 70.6%（外倾性 54.5%），预测值却几乎相同（64.5% vs. 63.1%）。
来源：arXiv · cs.CL · arxiv.org