对话和游戏理论的结合,使用大型语言模型提供了生成对话和构建游戏理论解决概念的能力。
Jan, 2024
在过去二十年中,一系列实验研究提供了证据,表明语言框架影响经济游戏中的人类行为,超越了可用行动的经济后果。本文提出了一个超越基于结果偏好模型的传统限制的新框架:LENS 模型。根据 LENS 模型,对决策问题的语言描述会触发情绪反应,提出潜在的行为准则,进而相互作用从而塑造个人的策略选择。此文综述了支持 LENS 模型各路径的实验证据,并指出了引发此模型的若干关键研究问题,为未来研究提供了方向。
Mar, 2024
本文回顾了在描述具有货币收益的正态形式游戏中尝试解释人类在社交互动中行为的模型的文献。我们从社交道德偏好入手,然后关注越来越多的研究,表明人们对行动描述语言做出反应,特别是当它激发了道德关注时。我们得出结论,行为经济学正在经历着基于语言的偏好的范式转变,这将需要探索新模型和实验设置。
Jun, 2022
利用大型语言模型作为替代人类参与游戏实验的工具来进行社会科学研究时,与人类行为高度一致的特点使其具备潜力,然而,尽管已经有大量关于大型语言模型与博弈论结合的实证研究,但大型语言模型在博弈论中的能力边界仍不清楚,因此我们试图在本研究中系统分析大型语言模型在博弈论背景下的表现,结果表明即使目前最先进的大型语言模型(GPT-4)与人类在博弈论方面存在显著差异,因此在社会科学领域引入大型语言模型进行游戏实验时应更加谨慎。
Dec, 2023
本研究采用自然语言反馈作为人工智能代理的学习信号,使用基于方面的情感分析将反馈分解为关于马尔可夫决策过程功能的情感。然后通过推理情感模型中的潜在奖励函数,来进行反向强化学习。实验表明本方法可以成功地从人的互动反馈中学习,并提供了关于自然语言反馈信息结构和利用它进行强化学习的方法。
Sep, 2020
使用预训练的大型语言模型,并通过有限的示例进行引导,使智能代理能够进行战略推理和协商,而不需要任何额外的训练或微调。
May, 2023
语言是理解和交流情境的关键,而语言处理系统使用类似人脑的神经网络以及查询注意力等方法来提高其能力,但当前的模型主要集中在内部语言任务上,限制其理解情境的能力,因此需要未来的模型应用认知神经科学和人工智能来扩展理解任务。
Dec, 2019
研究了在机器人和人类交互中,机器人的情感表达对人类决策行为模式的影响,使用自然语言处理模型产生机器人使用的情感表达语句,并在博弈理论的环境中探究人的行为模型。
Jun, 2018
通过和计算机交互完成任务,以语言游戏的方式,人类可以在不知道什么是语言的情况下学习语言,为建立自适应的自然语言接口打下基础,使用组合性而避免使用同义词有助于任务表现,从零开始快速学习语义解析模型,并进一步加速的学习计算机策略,以适应成功的玩家。
Jun, 2016
本文通过运用机器学习算法与博弈论的框架, 利用多个均衡状态来调节和预测智能人和机器之间的协同适应交互, 并发现某些算法可有效地控制人的行为,从而引导人机交互达到机器的最优状态。