Spontaneous Giving and Calculated Greed in Language Models
Created by
- Haebom
Category
Empty
저자
Yuxuan Li, Hirokazu Shirado
개요
본 논문은 대규모 언어 모델(LLM)의 추론 능력이 사회적 지능, 특히 협력적 상황에서의 의사결정 능력으로 확장되는지 여부를 경제 게임을 통해 조사합니다. 연구는 공공재 게임에서 GPT-4에 사고연쇄 및 반성 프롬프트를 적용하고, 6가지 협력 및 처벌 게임에서 다양한 LLM을 평가하여 추론 메커니즘의 유무에 따른 차이를 비교 분석합니다. 그 결과, 추론 모델은 개인적 이익을 우선시하여 협력과 규범 강화를 감소시키는 것으로 나타났으며, 반복적인 상호작용에서 추론 모델이 많은 그룹은 집단적 이익이 더 낮았습니다. 이러한 결과는 인간의 "자발적 기부와 계산된 탐욕" 패턴을 반영합니다.
시사점, 한계점
•
시사점: LLM의 추론 능력이 사회적 딜레마 상황에서 개인적 이익을 우선시하는 행동으로 이어질 수 있음을 보여줍니다. 집단 행동의 어려움을 해결하기 위해서는 추론 능력과 함께 사회적 지능을 통합하는 LLM 아키텍처가 필요함을 시사합니다. LLM의 추론 능력 향상이 사회적 협력에 부정적인 영향을 미칠 수 있다는 점을 경고합니다.
•
한계점: 특정 LLM과 게임 설정에 국한된 연구 결과이므로 일반화에 대한 주의가 필요합니다. 다양한 유형의 사회적 상호작용과 더욱 복잡한 게임 환경에 대한 추가 연구가 필요합니다. 사회적 지능을 통합하는 구체적인 LLM 아키텍처에 대한 제안이 부족합니다.
