arXiv cs.CL· Joseph Marks (NatWest Group, London, UK), Marius C. Vollberg (University of Zurich, Zurich, Switzerland, Swiss Center for Affective Sciences, Geneva, Switzerland)·· 10 小时前AI 评分31
大语言模型中的情感心理物理学研究
The psychophysics of affect in large language models
AI 导读
研究测试了 LLM 如何预判赌博或股票交易结果带来的感受，以及是否将评分纳入选择。单独评分时，模型对量级的敏感度递减、类似人类价值函数，但对收益的评分强度高于等额损失，形成"硅基收益放大"这一对经典损失厌恶的反转；合并评分时评分线性化，选择中的得失不对称基本消失，模型自身评分并不比金钱效用更好地解释其选择。
正文 · AI 翻译
作者：Joseph Marks (1), Marius C. Vollberg (2 和 3) ((1) NatWest Group, London, UK, (2) University of Zurich, Zurich, Switzerland, (3) Swiss Center for Affective Sciences, Geneva, Switzerland)
摘要：良好的决策往往需要考虑结果会带来怎样的感受。然而，大型语言模型（LLM）正越来越多地进入决策工作流，尽管人们对其如何将结果映射为感受、或如何在选择中使用这些映射知之甚少。我们测试了 LLM 如何预期赌博或股票交易结果的感受，以及它们是否将这些评分纳入选择。当结果被单独评分时，评分表现出对量级的敏感性递减，类似于人类的价值函数；但模型对收益的评分强度高于等量的损失，这是对经典损失厌恶的逆转，我们称之为硅基收益放大。当结果被一起评分、从而能够直接比较时，评分变得线性化。在选择中，收益-损失不对称性基本消失，且模型自身的评分并不能比货币效用更好地可靠解释其选择。这些发现揭示了从结果到情感的可塑映射，引发了关于具有自主性的 LLM 是否以及应如何将预期感受纳入决策的疑问。
| 评论： | 64 页（26 页正文，25 页补充信息，13 页 GUIDE-LLM 报告清单），5 幅图。代码：此 https URL ；数据：此 https URL |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| ACM 分类： | I.2.7; J.4 |
| 引用为： | arXiv:2610.40985 [cs.AI] |
| （或 arXiv:2610.40985v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40985 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Joseph Marks [查看电子邮件]
[v1]
2026 年 10 月 29 日星期四 21:09:12 UTC（1,491 KB）
来源：arXiv cs.CL · arxiv.org