いくつかの大規模言語モデルは一貫したリスク態度を示す

新しい研究（arXiv:2607.16197）がarXivで公開され、いくつかの大規模言語モデル（LLM）が不確実性下で体系的かつ一貫したリスク態度を示すことが明らかになりました。人工知能システムがオープンエンドでハイステークスな環境に展開されるにつれて、認識されたリスクがどのように行動に変換されるかという重要な側面が未測定のままです。この研究は、文脈的リスク信念とカテゴリ的決定を分離するクロスドメインフレームワークを導入し、そのギャップを埋めます。

研究者たちは、6つの代表的なLLMと100人の人間の参加者を対象に、空間ナビゲーション、臨床トリアージ、財務配分の3つのタスクでテストを実施しました。回帰モデルを使用して、各エージェントの信念から決定へのマッピングを抽出し、リスク感度とリスク態度バイアスを定量化しました。その結果、テストされたほとんどのLLMは、固定されたタスク領域内で文脈的信念からリスク決定への安定したマッピングを示す、ロバストなタスク内一貫性を示しました。さらに、タスク間で相対的なリスク姿勢を維持するクロスドメイン順位安定性も観察されました。

注目すべき点として、より広範な人間ベースラインと比較して、LLMのリスク態度分布はより制限された範囲に収束することがわかりました。これらの結果は、リスク態度がLLMの行動の安定した、これまで特徴付けられていなかった次元であることを示しています。この研究は、オープンエンドな意思決定におけるAIシステムの評価と調整の基盤を確立し、これらの内在的行動傾向の起源をさらに調査する動機付けを与えます。研究者たちは、実世界のアプリケーションでAIの安全性と信頼性を確保するためには、これらのリスク態度を理解することが重要であると強調しています。本論文はBowen Sun氏らによって執筆され、2026年4月24日に提出され、38件のコメントが寄せられています。