arXiv 研究：LLM 预测用户决策时过度相信言语而非行为
热点事件持续更新
arXiv 研究：LLM 预测用户决策时过度相信言语而非行为
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
Baiqiao Zhang 等在 arXiv 论文（arXiv:2610.36813）中测试八个开源权重 LLM 如何结合对话与决策记录预测用户决策：42 名用户与五个人格特质智能体在重复囚徒困境式博弈中完成 1,260 轮实验。结论是仅用决策记录预测已有 AUC = .80，加入对话无显著增益；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，而违约轮从 .65 降至 .17。论文据此提出，基于对话的预测应按用户既往决策及其面对的智能体对言语加权。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 16:14
LLM 如何在人机对话中预测用户决策：言语还是行为？报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.CLLLM 如何在人机对话中预测用户决策：言语还是行为？
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%）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。