Mind the (DH) Gap! A Contrast in Risky Choices Between Reasoning and Conversational LLMs

Created by

Haebom

저자

Luise Ge, Yongyan Zhang, Yevgeniy Vorobeychik

💡 개요

본 연구는 의사결정 지원 및 에이전트 워크플로우에서 대규모 언어 모델(LLM)의 불확실성 하에서의 의사결정을 탐구합니다. 명시적/경험 기반의 전망 표현과 설명 유무에 따른 LLM의 위험 선택을 비교 분석한 결과, LLM은 수학적 추론 훈련 여부에 따라 추론 모델(RM)과 대화 모델(CM)로 명확히 구분되었습니다. RM은 합리적인 경향을 보이는 반면, CM은 인간과 유사하게 프레이밍, 순서, 설명에 더 민감하며 큰 설명-기록 격차를 보였습니다.

🔑 시사점 및 한계

•

LLM은 수학적 추론 훈련 여부에 따라 합리적인 '추론 모델(RM)'과 인간과 유사한 '대화 모델(CM)'로 나뉘며, 각각 다른 의사결정 패턴을 보입니다.

•

CM은 전망의 순서, 표현 방식(프레이밍), 설명의 유무에 더욱 민감하게 반응하여 비합리적인 선택을 할 가능성이 높습니다.

•

본 연구는 LLM의 의사결정 방식을 이해하는 데 중요한 기초를 제공하지만, 실제 환경에서의 다양한 복잡한 불확실성 시나리오에 대한 추가적인 검증이 필요합니다.

PDF 보기

Made with Slashpage