大语言模型表现得像理性智能体吗？测量概率决策中的信念一致性

大语言模型正被部署于高风险领域，其最优行动取决于对世界不确定性的认知及不同结果的效用考量，但其决策逻辑难以解释。本研究探讨 LLM 是否为具有连贯信念和稳定偏好的理性效用最大化者。通过分析模型在诊断挑战问题中的行为，揭示了 LLM 推断与理想贝叶斯效用最大化之间的关系。该方法提出了可证伪的条件，用于判断报告的概率是否无法对应任何理性智能体的真实信念。研究在多个医疗诊断领域对多种 LLM 进行了评估，并讨论了结果对指导高风险决策的启示。