في ظل تزايد استخدام نماذج اللغات الضخمة (LLMs) في دعم اتخاذ القرارات، يُعتبر فهم سلوكياتها تحت ظروف عدم اليقين أمرًا بالغ الأهمية. فما هي البصمات السلوكية التي قد تظهر هذه النماذج في إطار اتخاذ القرارات؟

تشير دراسة جديدة إلى أن اتخاذ القرارات الإنسانية يعتمد على تفضيلات مخاطر مستمرة مع تعديلات تعتمد على سياق معين. ومع ذلك، فإن التساؤل يبقى: هل يمكن أن نراقب هيكل سلوكي مشابه في نظم القرار المبنية على LLM؟

استخدم الباحثون إطارًا متعدد النماذج القائم على لعبة البوكر الشهيرة Texas Hold'em، حيث تم قياس السلوك من خلال ثلاثة مؤشرات: المشاركة، والتي تقيس الانخراط الطوعي في الفرص غير المؤكدة، والاستباقية، التي تقيس تصعيد المخاطر.

توصلت الدراسة إلى أن نماذج اللغات الضخمة العرضية تظهر أنماط مخاطر مستقلة تختلف من نموذج لآخر، متدرجة من أنماط اتخاذ القرار الحذرة إلى أنماط الجرأة، وتبقى هذه الأنماط ثابتة إلى حد كبير حتى مع تغير الخصوم. لكن، لوحظ أن النماذج الأكثر حذرًا والنماذج الأكثر جرأة تتباعد أكثر في بيئات مختلطة.

عند ضغط المخاطر العالمية وحدود الموارد الشخصية، تتكيف النماذج بطرق متباينة ولكن منظمة، تتراوح من الانكماش السلوكي الواسع إلى التراجع الانتقائي. تُظهر هذه النتائج أن LLMs تختلف ليس فقط في ميلها الأساسي نحو المخاطر، ولكن أيضًا في الإشارات المتعلقة بالمخاطر التي تستجيب لها ومرونتها في التكيف.

بكل تأكيد، توفر هذه الدراسة أساسًا سلوكيًا لمراجعة قرار اتخاذ القرارات الحساسة للمخاطر في البيئات التفاعلية. إذا كنت مهتمًا، يمكنك الاطلاع على الشيفرة البرمجية الخاصة بالدراسة المتاحة للجمهور على الرابط: [https://github.com/XuankunRong/AgentTexasPoker]. ما رأيكم في هذا الاكتشاف المثير؟ شاركونا في التعليقات!