热点事件持续更新
LLM结合言辞与决策记录预测用户决策的研究
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.CL 发布一项研究，考察大语言模型能否结合用户“说的”与“做的”来预测人机对话中的用户决策。研究设置42名用户与五个智能体进行1,260轮重复囚徒困境博弈，并测试八个开源权重模型。结果显示：仅凭历史决策记录区分合作与背叛的AUC已达0.80，加入对话内容后未带来可检测的增益；相反，带对话时模型更倾向于采信用户的言辞陈述——守诺轮次的预测准确率从0.76升至0.95，失信轮次却从0.65降至0.17，模型给出的守诺概率从0.13升至0.69，而用户实际守诺率仅0.40。该研究据此指出，言辞信息会放大模型对承诺的信任，而非提升预测准确性。目前尚无后续报道或同行评审信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
新研究：仅凭决策记录预测合作/背叛AUC达0.80，加入对话无增益，反使模型过度采信承诺。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CL言语还是行动？LLM 如何预测人机对话中的用户决策
42 名用户与五个智能体进行 1,260 轮重复囚徒困境博弈，测试八个开源权重 LLM 结合用户陈述与决策记录预测用户决策的效果。仅凭决策记录区分合作与背叛的 AUC 达 .80，加入对话无可检测增益；带对话的预测更采信用户陈述，守诺轮次准确率从 .76 升至 .95、失信轮次从 .65 降至 .17，预测守诺概率从 .13 升至 .69，而用户实际守诺率仅 .40。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。