在对话环境中使用大型语言模型预测有偏见的人类决策

我们研究大型语言模型（LLMs）是否能够预测对话环境中的有偏见决策，以及它们的预测是否不仅能捕捉人类认知偏见，还能捕捉这些效应在认知负荷下如何变化。在一项预注册研究（N=1,648）中，参与者通过不同复杂度的聊天机器人对话完成了六个经典决策任务。参与者表现出两个有充分文献记录的认知偏见：框架效应和现状偏见。对话复杂度的增加导致参与者报告更高的心理需求。这种认知负荷的增加选择性地但显著地增强了偏见的影响，展示了负荷-偏见交互作用。我们随后评估了 LLMs（GPT-4、GPT-5 和开源模型）是否能够根据人口统计信息和之前对话预测个体决策。虽然选择问题上的结果参差不齐，但在几个关键场景中，包含对话背景的 LLM 预测显著更准确。重要的是，它们的预测重现了在人类身上观察到的相同偏见模式和负荷-偏见交互作用。在所有测试的模型中，GPT-4 系列与人类行为最一致，在预测准确性和对人类-like 偏见模式的保真度方面均优于 GPT-5 和开源模型。这些发现推进了我们对 LLMs 作为模拟人类决策工具的理解，并为设计能够适应用户偏见的对话智能体提供了参考。