arXiv cs.CY· Gaia Molinaro, Dave August, Danielle Perszyk, Anne G. E. Collins·· 11 小时前AI 评分44
研究发现 LLM 在自主导向学习任务中的目标选择与人类存在显著差异
Language Model Goal Selection Differs from Humans' in a Self-Directed Learning Task
AI 导读
一项认知科学自主导向学习任务测试显示，GPT-5、Gemini 2.5 Pro、Claude Sonnet 4.5、Qwen3 32B 和 Centaur 五个模型的目标选择行为与人类存在显著差异：人类会逐步探索并形成个体多样化的目标路径，多数模型则只利用单一已识别解法，或表现异常低下，且同一模型的多次实例间差异很小。
正文 · AI 翻译
摘要：无论是在智能体工作流、社会科学研究还是聊天场景中，大型语言模型（LLM）越来越多地被要求代替人类来选择追求哪些目标，而不再只是完成预先定义的任务。然而，LLM 能否准确反映人类在目标设定上的偏好，这一假设在很大程度上仍未得到检验。我们借助一项源自认知科学的受控自导学习任务，评估 LLM 作为人类目标选择代理的有效性。在五个模型（GPT-5、Gemini 2.5 Pro、Claude Sonnet 4.5、Qwen3 32B 和 Centaur）上，我们发现其行为与人类存在显著差异。人类会逐步探索并学会以个体间存在差异的方式实现目标，而大多数模型则利用单一已识别的解决方案，或表现出出人意料的低性能，且不同模型之间模式各异，同一模型的不同实例之间差异很小。思维链推理和人格引导带来的改进有限，我们的结论在不同实验设置下均成立。尽管这些发现尚待在应用场景中得到确认，但它们凸显了人类目标选择的独特性，并提醒人们不要用当前模型取代人类的目标选择。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2603.03295 [cs.CL] |
| （或本版本使用 arXiv:2603.03295v3 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2603.03295 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Gaia Molinaro [查看邮箱]
[v1]
2026 年 2 月 6 日星期五 15:39:54 UTC（4,022 KB）
[v2]
2026 年 5 月 13 日星期三 10:48:07 UTC（14,886 KB）
[v3]
2026 年 10 月 16 日星期五 03:16:35 UTC（21,262 KB）
来源：arXiv cs.CY · arxiv.org