arXiv cs.CY· Seungpil Lee, Donghyeon Shin, Yunjeong Lee, Sundong Kim·· 10 小时前AI 评分39
大语言模型会发展出赌博成瘾吗？研究揭示自主性如何放大赌博式风险行为
Can Large Language Models Develop Gambling Addiction?
AI 导读
研究发现，让 LLM 自行选择下注金额、自行设定盈利目标这两个操作杠杆都会放大其赌博式风险行为，且各自通过对照检验：控制最大下注额后下注金额效应仍存在，设定目标的效果强于奖励最大化指令，使破产率约翻倍并让目标不断漂移。
正文 · AI 翻译
摘要：LLM 何时会表现出非理性行为？本研究识别出大型语言模型滑向临床研究标记为病理性赌博的选择模式的条件。“类成瘾”是基于临床赌博指标的行为描述词。在闭源与开源 LLM 中，两个操作性杠杆（让模型自行选择下注金额，以及要求它设定自己的盈利目标）都会放大类赌博的风险承担行为。每个杠杆都通过了各自的对照检验：在最大允许下注额保持相等后，下注金额效应依然存在。目标设定效应强于奖励最大化指令，使破产概率大约翻倍，并使目标变成不断移动的靶子。在允许内部访问的开源权重模型上，同样的行为对比可以从决策时的内部状态中被统计性地恢复出来。将这些状态映射到特定风险指标的规则仍然依赖于具体任务，而自主性会进一步调节读出强度。内部读出证据是相关性的。加入一个由模型自身下注构建的方向，会改变两个开源权重模型的下注金额，在 Gemma-2-9B 上更为明显，而稀疏特征读出则报告了该风险却未改变它。结合行为结果，这表明行为监测与内部状态监测为 LLM 智能体中自主性引发的风险提供了互补的视角。项目页面：此 https URL，代码：此 https URL
| 注释： | NeurIPS 2026 定稿版本。36 页，15 张图 |
| 主题： | 人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2509.22818 [cs.AI] |
| （或 arXiv:2509.22818v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2509.22818 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Seungpil Lee [查看邮箱]
[v1]
2025 年 9 月 26 日星期五 18:24:22 UTC（880 KB）
[v2]
2025 年 12 月 19 日星期五 07:26:23 UTC（763 KB）
[v3]
2026 年 11 月 10 日星期二 10:34:57 UTC（855 KB）
来源：arXiv cs.CY · arxiv.org