LLMs and generative agent-based models for complex systems research.
複雜系統研究中的大型語言模型與生成式代理基模型。 Phys Life Rev 2024-11-01

這篇論文探討大型語言模型（LLMs）對自然科學和社會科學的影響，特別是透過生成代理模型（GABMs）模擬人類行為。研究涵蓋網絡科學、演化博弈論等領域，顯示LLMs能預測社會行為、增強合作及模擬疾病傳播。雖然LLMs能模仿公平性和合作，但仍面臨提示敏感性和幻覺等挑戰，影響行為一致性。未來研究應聚焦於完善模型、標準化方法，並探討LLMs與人類互動可能帶來的新合作行為，重塑決策過程。 PubMed DOI

Spontaneous Emergence of Agent Individuality Through Social Interactions in Large Language Model-Based Communities.
大型語言模型社群中透過社交互動自發性地出現代理個體性。 Entropy (Basel) 2025-01-08

這項研究探討大型語言模型（LLM）代理的個體性和主動性，強調不再依賴預先定義的特徵。透過模擬一群協作的LLM代理，研究分析了社會規範、合作和個性特徵如何自發發展。結果顯示，這些代理會創造「幻覺」和標籤，增強溝通，並使互動中出現更豐富的詞彙。隨著交流進行，代理的情感變化，形成社群，最終導致個性的演變。這種方法為分析集體人工智慧及其動態提供了新視角。 PubMed DOI

Adverse reactions to the use of large language models in social interactions.
大型語言模型於社交互動中使用所引發的不良反應 PNAS Nexus 2025-04-16

研究發現，當人們知道經濟遊戲的夥伴是AI時，會變得比較不信任、不合作，也覺得AI不公平、不可靠。但如果不知道對方是不是AI，這些負面感受就不明顯。大家其實很常讓AI來做決定，而且很難分辨哪些決策是AI還是人做的。 PubMed DOI

Testing the limits of large language models in debating humans.
大型語言模型在人類辯論中的極限測試 Sci Rep 2025-04-22

**重點摘要：** 大型語言模型（LLMs）可以參與以辯論為基礎的社會學實驗，通常比人類更能專注在主題上，進而提升團隊的生產力。不過，人類覺得LLM代理人比較不具說服力，也比較沒有自信，而且這些代理人在辯論時的行為和人類有明顯差異，因此很容易被辨識出是非人類參與者。 PubMed DOI

Robustness of large language models in moral judgements.
大型語言模型在道德判斷上的穩健性 R Soc Open Sci 2025-04-24

過去有研究說能測量大型語言模型的道德偏好，但其實這些結果很容易被問題或選項的呈現方式影響，像是把「Case 1」改成「(A)」就可能讓模型答案大不同。所以，這類研究的結論不太可靠。作者建議，未來要用更嚴謹的方法來研究LLM的道德判斷。 PubMed DOI

Playing repeated games with large language models.
與大型語言模型反覆進行博弈遊戲 Nat Hum Behav 2025-05-09

研究發現，像 GPT-4 這類大型語言模型在自利型博弈（如囚徒困境）表現不錯，但在需要協調的博弈（如Battle of the Sexes）就比較弱。若給它們更多對手資訊，並引導用「社會性思考」推理，能提升與人類的協調能力。這有助了解 AI 的社會行為，也推動 AI 行為博弈論的發展。 PubMed DOI

Emergent social conventions and collective bias in LLM populations.
大型語言模型（LLM）族群中新興的社會規範與集體偏見 Sci Adv 2025-05-14

這項研究發現，AI語言模型代理人在互動時，會自發形成社會慣例，甚至產生集體偏見。一小群立場堅定的對立代理人，也可能影響整體慣例。這顯示AI有能力自主建立社會規範，對確保AI符合人類價值觀很重要。 PubMed DOI

Take caution in using LLMs as human surrogates.
在將 LLMs 作為人類代理時需謹慎。 Proc Natl Acad Sci U S A 2025-06-13

雖然大型語言模型有時能模仿人類回應，但在像 11-20 money request game 這類需要複雜推理的任務上，表現常常和人類差很多，還會受到提示語和安全機制影響，出錯方式也很難預測。所以，社會科學研究如果想用 LLMs 取代人類，真的要特別小心。 PubMed DOI

Comparing AI and human decision-making mechanisms in daily collaborative experiments.
AI 與人類在日常協作實驗中決策機制之比較 iScience 2025-06-16

**重點摘要：** 這項研究比較了人類、大型語言模型（LLMs）以及強化學習（RL）在一個為期多天的通勤決策遊戲中的表現，目的是評估AI取代人類決策的能力。LLMs展現出類似人類的學習能力，也能做出穩定的決策，但在團體合作、理解他人選擇，以及應用現實世界知識方面仍有困難。 PubMed DOI

A large-scale replication of scenario-based experiments in psychology and management using large language models.
使用大型語言模型進行心理學與管理學情境式實驗的大規模重複研究 Nat Comput Sci 2025-07-09

大型語言模型能準確重現多數心理學實驗，效果有時甚至比真人還明顯。不過，遇到社會敏感議題或原研究沒發現效果時，模型容易高估結果。LLMs 適合做初步、快速研究，但遇到複雜或敏感議題，還是得靠真人參與才能更全面。 PubMed DOI

原始文章

站上相關主題文章列表