人类期望大型语言模型对手在策略游戏中表现出理性和合作

随着大型语言模型（LLMs）融入我们的社会和经济互动，我们需要加深对人类在策略性情境中如何回应LLM对手的理解。我们展示了首次受控的、有金钱奖励的实验室实验结果，该实验旨在观察在多玩家 p-beauty contest 中，人类对抗其他人类和LLMs时的行为差异。我们使用被试内设计（within-subject design），以便在个体层面比较行为。我们发现，在这种环境中，人类受试者在对抗LLMs时选择的数字显著低于对抗人类时，这主要是由于选择“零”纳什均衡策略的比例增加所致。这种转变主要由具有高策略推理能力的受试者驱动。选择零纳什均衡策略的受试者解释其策略时，提到了他们感知的LLM的推理能力，以及出乎意料的，LLM倾向于合作的特性。我们的研究结果为同步选择博弈中的多人人-LLM互动提供了基础性见解，揭示了受试者行为以及他们对抗LLM时对LLM表现的信念中的异质性，并对混合人-LLM系统中的机制设计提出了重要启示。