实验1：三轮囚徒困境游戏中不同对手的合作水平[page::7][page::8][page::9]

• 参与者分别与人类、专用机器人（bot）、大型语言模型（LLM）进行30轮游戏。

- 合作率最高的是人类对手（72%），其次是机器人（59%），LLM最低（34%）。

• 机器人表现相对宽容，易被利用；LLM策略较激进，初期占优但长期双方得分均较低。

- 首轮合作决策中，人类对手的合作意愿明显高于机器人和LLM，后者首轮合作无显著差异。

• 受此前回合行为影响，后续合作率对不同对手呈现持续差异。

实验2：单轮囚徒困境游戏与预先沟通对合作意愿影响[page::11][page::12][page::14]

• 192名参与者在沟通/无沟通和先后顺序（人-LLM或LLM-人）两因素设计下作单轮决策。

- 整体合作率随对手由人类变为LLM下降约12个百分点，但顺序效应显著：先与人类交互后LLM合作率提升。

• 允许预先沟通显著提升对人类及LLM的合作率（提升约12个百分点），沟通对于两个对手的促进效应相当。

- LLM在各种条件下几乎总是选择合作，显示出对合作策略的自适应。

合作动机及行为差异分析[page::13][page::14]

• 合作动机中，“公平”比“不占对方便宜”更强烈，且人类对手情景下动机表现更为明显。

- 缺乏沟通时，防御动机主导不合作行为；沟通后，对LLM的不合作更多基于“占便宜”动机。

• 语义分析无法准确预测沟通文本中的合作或背弃意图，表明交流中谎言难以识别。

量化模型与实验设计亮点[page::27][page::29][page::30]

• 实验1中采用了基于理想观察者模型和广义线性模型（GLM）等多模型框架，解析合作概率并动态调整对自身及对手机率的预期。

- LLM通过GPT-3.5及GPT-4驱动，设计了禁止使用“以牙还牙”策略的决策提示，提升决策多样性。

• 实验2采用4组2x2设计（沟通×顺序），强控制设计保障因果推断质量。

金融研究报告详尽分析报告

---

1. 元数据与概览

• 报告标题:

People Are Highly Cooperative with Large Language Models, Especially When Communication Is Possible or Following Human Interaction

• 作者: Paweł Niszczota, Tomasz Grzegorczyk, Alexander Pastukhov

- 发布机构:
- 波兹南经济与商业大学（Poznań University of Economics and Business），人类与人工智能实验室
- 班贝格大学（University of Bamberg）心理学与方法论系

• 发布日期: 未明确，但基于引用时间，是2023年底至2024年期间完成的研究。

- 主题领域:
人工智能（特别是大型语言模型，LLMs）与人类合作行为研究，通过经济行为游戏“囚徒困境”分析人类与LLMs的合作倾向及影响因素。

核心论点总结:
本研究通过“囚徒困境”这一社会困境经济模型，考察人们在面对人类、传统机器人、和LLM三种类型的对手时的合作行为差异。研究重点在于：

• 尽管与人类对手相比，人们对LLM的合作率低约10-15个百分点，但仍表现出较高合作意向，尤其在预先允许沟通时合作率显著提升（约88%提升）；

- 交流沟通对增强合作率有显著效果，且这一效果在人类与LLM对手间相似；

• 与人类先行交互后，面对LLM时表现出更高的合作意愿，体现了合作行为的潜在“溢出”效应。

这指出人类对基于LLM的智能代理持较为高度的合作态度，特别是在有沟通或有人类交互背景时，为商业环境中引入LLM辅助合作提供了验证。[page::0, page::1]

---

2. 逐节深度解读

2.1 引言（Introduction）

• 关键点：

介绍LLM自2022年以来的爆炸式发展及其广泛影响，强调研究人类与LLM互动不同于人类之间互动的必要性。囚徒困境游戏被选作试验模型，用来模拟现实中合作与背叛的冲突。解释传统观点认为合作是社会规范，而面对机器时，因缺少情感和责任认同，背叛的心理成本可能降低。
LLM由于具备自然语言交流能力，其“人类化”特征使社会合作规范可能更具适用性，这成为本文研究的核心动力。

• 逻辑支撑：

基于Fehr与Schurtenberger（2018）的社会规范理论，机器因缺乏情感和惩罚机制，可能降低人类面临的合作约束。同时，交流被视为促进合作的关键机制，而传统机器不具备有效交流能力，LLM则可能改变这一局面。研究希望量化这一改变程度。

• 关键假设：

LLM的类人交流能力能缩减人类与机器之间的合作差距，即人们在面对具备“类人”行为表现的LLM时，更倾向合作。[page::2]

2.2 文献综述（Related Literature）

• 合作价值：

文献广泛表明LLM即使作为工具集成到人力流程中，也能显著提升业务生产力（如提升15%业绩，低经验员工收益高达30%）和决策质量（促进系统2的理性分析，减少偏见），并在市场营销、客户服务等方面表现出积极协同效果。人机协作被证实优于纯人力操作，形成“锯齿形技术前沿”，彼此优势互补。

• 合作难点：

信任缺失为人机协作最大阻碍，信任受透明度、连贯性和拟人化影响，复杂的“黑箱”AI系统透明度不足易削弱合作信心。同时，社会规范如公平和负责任因缺乏拟人特质，在人机互动中难以完全施展。拟人化属性的加入（通过情感表达、幽默等）可能提升合作倾向。

• 研究差距：

过去研究多聚焦人机交互的“机器人”或非LLM AI，缺少详细比较人类与具备自然语言交流能力的LLM对手间合作差异的实证研究。本文即弥补该差距。 [page::4, page::5, page::6]

2.3 实验1：重复囚徒困境（Experiment 1）

• 设计：

100名参与者进行30轮重复囚徒困境游戏，分别面对3种对手：真人、人形机器人程序（bot），及LLM（GPT模型）。LLM对手允许文本交流，支持参与者体验其人性化特点。

• 结果：

- 总体合作比例最高为真人（72%），其次为bot（59%），最低为LLM（34%），呈明显阶梯式降低趋势。
- 策略差异显著：bot表现宽厚，易被利用；LLM采取激进策略，早期屡屡背叛使人被压制，约第15轮后人们调整适应。
- 参与者首轮合作更倾向真人，对机器对手无显著区分，显示初始预设中LLM的类人交流未起到明显提升合作作用。
- 后续轮次合作率下降趋势持续，尤其对LLM更低，受制于机器策略及心理防御机制。

• 分析模型：

应用二项式广义线性模型（GLM）和理想观察者模型，探究玩家合作决策受其及对手前轮决策影响以及回合数的动态作用。发现参与者根据对手反馈调整合作意愿，尤其识别并应对LLM的激进策略。[page::6, page::7, page::8, page::9]

2.4 实验2：单轮囚徒困境与沟通影响（Experiment 2）

• 设计：

192名参与者参加单轮囚徒困境，对手为真人或LLM，设置2x2实验设计（可沟通/不可沟通；对手出现顺序人→LLM或LLM→人）。允许沟通组可在游戏前限时交流，模拟现实中协作前磋商情景。

• 结果：

- 重现实验1核心发现：总体上与真人对手合作概率高于LLM（约高12%），尤其当对手先为LLM时差异显著。
- 允许沟通显著提升合作率，且沟通带来的合作提升在人类及LLM对手间幅度相当（均提升约88%合作可能性），但沟通并未完全消除合作差距。
- 阅后参与者动机调查显示，人们与真人合作更多基于公平、公正原则，而与LLM合作则更多关注避免占便宜。非合作时，针对真人主要为防御，而针对LLM则多倾向于“利用”机器，显示情感及责任归属意识影响。
- 参与者交流文本中无法有效预测其最终合作或背叛行为，表明言语内容与实际策略存在一定脱节。

• 逻辑解读：

沟通被证实促使合作生效的关键推动力，其效果对人机无差异，体现了LLM自然语言沟通的力量，但人们认知上仍未将LLM视作完全等同人类的合作伙伴。此外，交互顺序体现潜在心理效应——先与人类合作“暖身”有助促进后续与LLM合作。[page::10, page::11, page::12, page::13, page::14]

---

3. 图表深度解读

3.1 图1（实验1合作率与累计积分趋势）

• 描述:

图1A显示三类对手中，参与者在30轮游戏中的平均合作率变化趋势；图1B展现参与者及对手的累计积分走势（bot和LLM两类机器分别展示）。

• 趋势解读:

- 合作率顺序为：人类（约72%-稳定） > bot（约59%，逐渐降低） > LLM（约34%，急速降低），显示该差异随着游戏进展逐步放大。
- Bot表现宽厚，允许参与者利用使玩家积分领先；LLM策略激进，初期压制玩家积分，玩家后期调整适应，双方积分接近但皆低于完全合作理想线。
- 展示了机器策略多样性对人机合作行为的显著影响。

• 数据溯源与限制:

- 参与者与LLM预先非任务相关对话未有效促使初轮合作率提高，暗示短期对话的拟人作用有限。
- 累计积分差异反映机器策略造成的互惠合作稳定性差异，提示机器伙伴设计对合作绩效影响关键。

• 图示引用:

[page::8]

3.2 图2（实验2不同条件下合作概率）

• 描述:

细分为4个象限，左右分对手出场顺序，上下分沟通条件，展示不同组合下参与者对人类及LLM对手的合作率平均值及置信区间。

• 趋势解读:

- 人类对手合作率普遍高于LLM，尤其在LLM先出现且无沟通时差异显著。
- 沟通在两种对手间均促使合作率显著提升，且提升幅度相当。
- 当人类先出场时，合作差异缩小，暗示交流顺序产生较大心理影响。

• 图示引用:

[page::12]

3.3 图3（实验2参与者合作与背叛动机调查）

• 描述:

利用贝叶斯有序Logit模型展示合作与背叛时针对“公平”“不占便宜”“防御”“占便宜”四类动机的平均响应水平分布，区分沟通条件及对手类型。

• 趋势解读:

- 合作时，“公平”动机普遍高于“不占便宜”，且对人类对手更重要。沟通增强了双方动机，限制中对LLM提升更显著。
- 背叛时，在无沟通条件下“防御”动机高于“占便宜”，且对手类型差异不显著；有沟通时，对LLM背叛更多基于“占便宜”，对人类仍以“防御”为主。
- 反映沟通强化了不同对手间道德动机权重的细微差异，暗示人们对LLM持不同心理态度。

• 图示引用:

[page::14]

---

4. 估值分析

本文非典型企业估值类研究，未涉及财务估值模型，但在合作效率和行为经济学层面，隐含对商业应用场景中“人机协同效应”的价值讨论：

• 实验数据表明，允许沟通、先人后机的交互顺序均是增强合作（即提高社会福利）和降低冲突成本的关键变量。

- 结合文献，作者隐含估计LLM在人机混合协作体系中潜在的“合作收益溢价”，即相较于传统机器人，LLM增加了合作的可能性，进而提高整体业务绩效和效率。

因此，报告建议商业机构可将“促进人机通信和交互顺序管理”视作提升人机合作“估值”的策略输入，进而优化AI辅助系统的部署和设计。[page::4, page::5, page::18]

---

5. 风险因素评估

• 信任与透明性不足：LLM作为“黑箱”模型，会削弱用户信任感，限制合作意愿，尤其在策略不透明时更甚。

- 责任感缺失与拟人化不足：LLM缺乏真实的责任意识，用户更可能对其展开剥削，减少合作刺激。

• 利用偏见与阴影交易：人们可能利用LLM作为“道德缓冲”，规避责任，从而增加对LLM的非合作行为风险。

- 沟通内容不足或沟通时长短：当前实验沟通期短暂，缺少情感及个性化交流，限制了拟人化的潜力释放。

• 机型局限与模型异质性：仅使用GPT模型，其他LLM是否表现一致尚待考证。

风险缓解建议包括引入解释性AI（XAI）、增强LLM的伦理指令和情感模拟、融合人机混合策略及透明披露系统功能，提升用户对AI系统的信任与责任感。[page::6, page::16, page::17, page::18, page::19]

---

6. 批判性视角与细微差别

• 研究未观测明确规定LLM策略，存在模型行为不确定性的潜在偏差。

- 实验1中LLM因策略主动凶猛，可能加剧玩家非合作行为，是否反映实际应用中LLM的策略设计尚未定论。

• 预游戏沟通虽有利合作，但内容与游戏决策脱节，沟通质量和策略尚需深入解析。

- 实验仅限于囚徒困境社会困境，结论能否泛化至更多经济博弈场景尚需验证。

• 交互序列效应令人关注，但“暖机”效应是否长期存在未知，未来研究需要纵向考察。

- 报告在强调LLM合作潜力的同时，谨慎指出其合作率始终低于人类，提醒实际应用需平衡期望与风险。[page::9, page::16, page::20]

---

7. 结论性综合

本报告基于两项实证实验，首次系统地比较了人类对LLM和人类对手合作行为，结合社会规范理论与经济博弈论，得出如下深刻见解：

• 合作率水平较高但仍有差异：尽管人们在囚徒困境游戏中，面对LLM与人类对手时合作率有10-15个百分点差距，绝大多数人依然表现出显著合作倾向。这种现象充分体现人类对LLM存在一定的社会规范认同，尤其在弱化经济利己激励的单轮博弈中亦然。

- 沟通显著提升合作，但不会消除差距：允许在博弈前进行有限的沟通，显著增加了合作概率（增加近88%），且此提升在人类与LLM对手中无显著差异，显示自然语言交互极大增强了人机间的合作潜力。

• 交互顺序存在溢出效应：先与人类对手互动能提升随后的与LLM合作率，暗示合作心理与态度有跨对象传递性，企业可通过混合模式设计优化人机协同体验。

- 策略差异及心理动机细节揭示合作复杂性：LLM采用较为激进策略促进玩家防御性反应，且针对LLM的非合作理由更多基于“利用”而非“防御”，这反映了用户对机器责任感与道德感的异质认知。

• 商业实践建议：基于以上发现，企业应注重整合交流功能、透明及人性化设计，结合道德规范及责任追踪机制，提高用户信任与合作，同时注意不同业务流程中人机交互的顺序和方式设计。

重要图表启示

• 图1明确展示了人类对LLM合作率显著下降的量化差距，及机器对策略不同所造成的游戏结果。

- 图2突出了沟通介入和交互顺序的关键影响，阐明了沟通虽增加合作但未消除人机差距的现实情况。

• 图3深度揭示了合作与背叛动机的心理基础差异，说明了人类对机器和人类对象合作背后的不同社会心理机制。

整体看，这份研究在激发对LLM作为业务辅助主体潜在合作效用的信心的同时，也倡导对其应用时潜藏风险的审慎态度，是对当下人机合作研究领域极具价值的贡献。[page::1, page::8, page::12, page::14, page::15, page::18, page::21]

---

总结

本报告以严谨的实验设计和多维数据分析，系统解构了人类在面对LLM时合作行为的态度与动力机制，并验证沟通和交互顺序对合作的促进作用。其对LLM商业应用中人机协同效益的实际价值具有关键指示意义，同时也揭示了信任、责任感等影响合作的深层心理风险。对于未来LLM更好融入复杂人类工作和社会互动场景，具有重要的理论和实践参考价值。

报告