論文の概要: Do LLMs Choose Like Humans? Using Cognitive Theory to Evaluate LLM Decision-Making

• arxiv url: http://arxiv.org/abs/2609.22225v1
• Date: Wed, 02 Sep 2026 21:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.792794
• Title: Do LLMs Choose Like Humans? Using Cognitive Theory to Evaluate LLM Decision-Making
• Title（参考訳）: LLMは人間のように選ぶか? 認知理論を用いてLCMの意思決定を評価する
• Abstract要約: 大規模言語モデル(LLM)は、人間のような意思決定行動を示す。 LLMの文脈感度が、問題分類と注意配分を通して人間の行動を説明する認知経済理論と一致しているかを評価する。 スケールもチェーン・オブ・思想的推論も、コンテキストの感度を確実に減らしたり、人間のような振る舞いを発生させるものではない。
• 参考スコア（独自算出の注目度）: 35.560385989305445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) exhibit a range of human-like decision-making behaviors, but whether these reflect similar underlying mechanisms or surface-level mimicry remains unclear. We evaluate whether LLM context sensitivity aligns with a cognitive economic theory that explains human behavior through problem categorization and attention allocation. Across 12 open-source and commercial LLMs on a novel 140,000-trial product choice benchmark, context induces human-like shifts in choice and problem categorization, but does not reliably reweight attention between features like price and quality. Neither scale nor chain-of-thought reasoning reliably attenuates context sensitivity or generates human-like behavior. These results suggest that LLM decision mechanisms are distinct from human ones.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、人間に似た意思決定行動を示すが、それらが類似のメカニズムや表面レベルの模倣を反映しているかどうかは不明だ。 LLMの文脈感度が、問題分類と注意配分を通して人間の行動を説明する認知経済理論と一致しているかを評価する。 12のオープンソースおよび商用LCMにおいて、新しい14万件の製品選択ベンチマークが実施され、コンテキストによって選択や問題分類の人間的なシフトが引き起こされるが、価格や品質といった機能間で確実に注目が集まることはない。 スケールもチェーン・オブ・思想的推論も、コンテキストの感度を確実に減らしたり、人間のような振る舞いを発生させるものではない。 これらの結果は,LSM決定機構がヒトと異なることを示唆している。

関連論文リスト

• Characterizing Rhetorical Misalignment in Decision-Making with Language Models [22.79503625028684]
  大規模言語モデル (LLMs) は、ハイテイクな人間とAIの意思決定にますます統合されている。 本研究では,LLMが与えられた意思決定コンテキストに対して,修辞的に不適切な表現形式を使用するような失敗モードである修辞的不適応について検討する。 LLMは、異なるモデルにまたがる有害な決定のフリップの平均2.81%の率を誘導する。
  論文  参考訳（メタデータ） (2026-07-24T02:36:00Z)
• Examining Human-Like Behaviors in LLMs: A Multi-Dimensional Analysis of Model Behaviors, User Factors, and System Prompts [9.62483752303596]
  大型言語モデル(LLM)は、幅広い人間の行動を示す。 LLM-as-a-judgeと人的評価を用いて, これらの行動の有病率, 潜在的影響, 制御性について多次元解析を行った。 我々は,意図しない影響を避けるためには注意深い評価が必要であるが,システムプロンプトがこれらの行動を制御可能であることを示す。
  論文  参考訳（メタデータ） (2026-05-07T18:58:50Z)
• Sparks of Rationality: Do Reasoning LLMs Align with Human Judgment and Choice? [10.367910587365529]
  大規模言語モデルは、雇用、医療、経済判断のための意思決定エンジンとしてますます位置づけられている。 不合理性と偏見の類似パターンを示すかどうかを評価することは重要である。
  論文  参考訳（メタデータ） (2026-01-29T21:17:06Z)
• Noise, Adaptation, and Strategy: Assessing LLM Fidelity in Decision-Making [0.030586855806896043]
  大規模言語モデル(LLM)は、社会科学シミュレーションでますます使われている。 本研究では,LLMエージェントが外部誘導と人為的ノイズのレベルが異なる条件下でどのように適応するかを検討するためのプロセス指向評価フレームワークを提案する。 LLMは、デフォルトでは、観察された人間の行動から分岐する安定的で保守的な戦略に収束する。
  論文  参考訳（メタデータ） (2025-08-21T18:55:53Z)
• Explaining Large Language Models Decisions Using Shapley Values [1.223779595809275]
  大規模言語モデル(LLM)は、人間の行動や認知過程をシミュレートするエキサイティングな可能性を開いた。 しかし, LLMを人体用スタンドインとして活用する妥当性は, いまだに不明である。 本稿では,モデルの出力に対する各プロンプト成分の相対的寄与を定量化するために,シェープリー値に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T22:49:43Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。