探究大语言模型风险决策中的结果级相似性与机制级对齐：来自圣彼得堡悖论的证据

本文利用圣彼得堡悖论作为测试平台，研究了 28 个大语言模型在风险决策任务中的表现。研究发现，尽管多数模型在原始游戏中表现出类似人类的有限出价，但这仅是结果层面的相似。通过控制变量实验揭示，模型的底层决策机制往往偏离人类，转向条件性或计算理性行为。即使采用人类视角提示或指令微调，也难以根本改变其机制层面的响应模式。研究表明，高风险场景下的 LLM 评估应超越结果相似性，深入考察机制级的一致性。