arXiv · cs.AI · Trung-Kiet Huynh, Dao-Sy Duy-Minh, Thanh-Bang Cao, Phong-Hao Le, Hong-Dan Nguyen, Phu-Quy Nguyen-Lam, Minh-Luan Nguyen-Vo, Hong-Phat Pham, Phu-Hoa Pham, Thien-Kim Than, Chi-Nguyen Tran, Huy Tran, Gia-Thoai Tran-Le, Alessio Buscemi, Le Hong Trang, The Anh Han · 7 小时前模型评分49
研究：收益数值缩放与提示语言如何改变 大语言模型（LLM，Large Language Model） 智能体的合作行为
Payoff scaling shapes cooperation in LLM agents across languages
导读
研究让五款商用大语言模型（LLM，Large Language Model）在十种收益缩放和五种语言下玩迭代囚徒困境，发现只改变收益数值大小就会显著改变合作率，且各模型反应方向常相反。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Contrary to theoretical expectations, changing only the numerical scale of payoffs substantially alters cooperation.”
来源：arXiv · cs.AI · arxiv.org