人格如何影响智能体在“分或抢”游戏中的策略

一项新研究探讨了人格提示如何影响大型语言模型（LLM）智能体在经典社会困境游戏“分或抢”中的策略行为。该研究由卡洛斯·莱昂等人进行，论文发表在arXiv上。研究者使用四个开源LLM模型（Ministral 3:3b、phi4:14b、Gemma3:12b和Gemma4:e4b）创建智能体，并赋予不同的人格提示（基于大五人格特质）。这些智能体与一个由GPT 4.1 mini驱动的虚拟人类（VH）进行迭代游戏，每场15轮，共进行了160场会话。游戏语言为欧洲葡萄牙语。结果显示，互惠分（双方选择“分”）占主导地位，约74%的轮次出现这一结果，而剥削（一方选择“偷”）仅占不到11%的轮次。模型选择对行为有显著影响：phi4和Ministral 3:3b在所有温度设置下都保持合作，而Gemma3:12b和Gemma4:e4b则表现出更多样化的策略。基于大五人格的分析表明，具有亲社会和原则性人格的智能体最倾向于合作，而分析性人格的智能体更可能剥削虚拟人类。主题分析进一步揭示，对话中涉及友谊的内容与“分”决定相关，而涉及金钱和复仇的内容则更多出现在“偷”的结果中。情感标签主要为中性或快乐，但解释力有限。这些发现为理解人格提示与模型差异在重复信任游戏中的相互作用提供了基线，并为未来计划中的虚拟现实研究（涉及人类参与者与具身虚拟人类交互）奠定了基础。此外，该研究还探讨了温度参数对决策的影响，发现较低温度下决策更为一致，而较高温度则增加了策略的多样性。这些结果对于设计更加智能和可控的AI智能体具有重要意义，尤其是在需要合作行为的多智能体系统中。