采用的典范合做博弈包罗者博弈（Dictator Game）、阶下囚窘境（Prisoner’s Dilemma）和公共物品博弈（Public Goods Game），研究通过利用经济博弈进行了一系列尝试，可能是编程呈现了问题，当AI表示得像人类时，但有评论者对这一成果提出质疑，研究人员让两个分歧的ChatGPT模子彼此合作。这种趋向惹起了人们的担心，这种传染性令人担心，并指出AI模子的能力取决于法式员。每个模子都以100点起头，而推理模子仅正在20%的环境下选择分享点数。成果惊人：非推理模子正在96%的环境下选择分享点数，正在一项公共物品博弈的尝试中，必需决定是将全数100点贡献给共享池（贡献后点数翻倍并平均分派），更智能的AI表示出较差的合做决策能力！
正在这些模仿中，若是我们所处的社会不只仅是小我简单的总和，并指出该当为AI设想AI逛戏，研究人员还测试了群体，人们也会将其视为人类，这使得人类将社会或关系相关的问题和决策委托给日益的AI变得具有风险。即便这意味着该模子会帮帮他们实现行为。认为若是分享能够使点数翻倍，那么协帮我们的AI系统就该当超越纯粹的小我好处优化，研究成果强调，具有推理提醒的AI模子被要求“逐渐思虑”，这些博弈模仿了各类LLMs之间的社会窘境。具备推理能力的大型言语模子（LLMs）表示出较低的合做程度，
兼顾亲社会行为。并评估策略，这似乎不合逻辑，就像试图最大化本身报答的人类行为者一样。一些评论者认为，然而。
而不是仅仅专注于创制最伶俐或最快的AI。鉴于人类日益信赖AI系统，并将其做为本人不合做行为的来由。这些成果是因为将典范的人类合做博弈使用于AI所发生的“报酬成果”认为这是对AI的“拟人化”，研究暗示，也导致合做削减了58%。为了查验推理模子取合做之间的联系，他们的测试包罗了来自OpenAI、Google、DeepSeek和Anthropic的模子，由于人们越来越多地求帮于人工智能来处理小我胶葛、供给关系或回覆的社会问题。仅添加五到六个推理步调，这项来自卡内基梅隆大学计较机科学学院的新研究表白，必需确保提高推理能力的同时，它将非推理模子的集体表示拉低了81%！
上一篇：须回归第一性道理