能辨“单次-多次博弈”的大语言模型:理解与干预风险决策OACHSSCD

风险决策的理论研究主要依赖行为结果的逆向推理和自我报告数据,缺乏对决策过程的直接观测,制约了其内在机制解释及有效行为干预方案开发。人工智能大语言模型(LLMs)的运用为克服以上局限提供了途径。本文通过三项研究系统考察了LLMs在风险决策中的模拟潜力,基于DeepSeek-R1进行单次和多次博弈并生成决策依据,并运用GPT-4o对其进行归纳性主题分析(ITA),构建了LLMs生成决策策略文本的技术路径,并将其用于决策干预。发现:(1) ChatGPT-3.5/4能复现人类单次(更风险规避)与多次(更风险寻求)博弈的典型选择模式;(2) LLMs能分清单次/多次博弈逻辑,并正确分别运用规范性和描述性理论生成相应策略,其策略被认可度高;(3) LLMs基于不同策略生成的干预文本能有效影响人们在医疗、金融、内容创作和电商营销情境中固有的风险决策偏好。研究系统验证LLMs对行为偏好的模拟能力,对决策的理解力,并构建了基于生成式AI的决策干预新范式,为人工智能辅助高风险决策提供了理论和实践基础。