大型语言模型中风险敏感决策的行为特征

# 大型语言模型中风险敏感决策的行为特征
来源：https://arxiv.org/html/2607.10251

Wenke Huang
南洋理工大学计算机与数据科学学院，新加坡
Bo Du
武汉大学计算机学院，武汉，中国
Dacheng Tao
南洋理工大学计算机与数据科学学院，新加坡
Mang Ye
武汉大学计算机学院，武汉，中国

###### 摘要

随着大型语言模型（LLMs）越来越多地用于决策支持，了解它们在不确定性下的选择是否表现出稳定且可解释的行为规律变得重要。人类决策结合了相对持久的风险偏好与依赖于情境的调整，然而尚不清楚在基于LLM的决策系统中是否能观察到类似的行为结构。本文通过一个基于无限注德州扑克（No-limit Texas Hold'em）的受控多模型框架来研究这一问题，其中行为通过两个指标量化：参与度（Participation），衡量对不确定性机会的主动参与；以及主动性（Proactiveness），衡量翻牌前风险升级。在同质自博弈和异质混合模型交互中，前沿LLM表现出稳定、特定于模型的风险特征，形成一个从保守到激进的决策风格谱系。在对手组成变化时，这些特征基本保持稳定，而最保守和最激进的模型在混合环境中分歧进一步加大。在全球风险压力和个人资源约束下，模型以结构化但异质的方式进行调整，范围从广泛的行为收缩到选择性降级，再到近乎不变的行为。这些发现表明，LLM不仅在基线风险倾向上存在差异，而且在它们所响应的风险信号以及调整的灵活性上也存在差异，为在交互环境中审计风险敏感决策提供了行为基础。我们的代码公开在：https://github.com/XuankunRong/AgentTexasPoker。

参照图注
图1：评估大型语言模型中风险敏感决策的框架。
a. 不确定性下的决策越来越多地涉及风险敏感情境下的AI系统，这引发了一个问题：LLM是否表现出风险方面稳定且适应的行为特征。
b. 我们使用交互式德州扑克作为受控行为测试，通过参与度（VPIP，衡量主动参与）和主动性（PFR，衡量风险升级）来量化决策。
c. 该框架将模型行为分为两个组成部分：基线风险倾向，通过从保守到激进的稳定特征揭示；以及情境依赖的风险适应，通过对变化风险压力的特定模型响应揭示。

不确定性下的决策是复杂系统的基本特征，塑造了人类社会，并且越来越塑造人工智能系统[kahneman2011thinking,marchau2019decision]。在人类背景下，个体和群体不断做出选择，从早期合作环境中的资源分配到现代复杂环境中的风险评估。随着AI系统的发展，大型语言模型（LLM）正越来越多地超越被动信息处理，嵌入到需要重复决策、行动选择和对不确定结果响应的流程中[achiam2023gpt,yao2023react,schick2023toolformer,park2023generative]。在高风险领域如医疗诊断和金融决策，以及日常场景如信息选择和交互式辅助中，这些系统越来越多地参与到决策具有重要后果的过程中。经典理论通常将人类建模为在约束下最大化期望效用的理性决策者[von1944theory,savage2012foundations]。然而，大量经验证据表明，现实世界决策系统性地偏离了这一理性范式。这种偏离通常表现为不对称的风险感知、损失敏感性和情境依赖的行为调整[kahneman2013prospect,tversky1992advances]。行为决策研究进一步表明，个体在相对稳定的风险态度上存在差异，而其观察到的风险承担也随领域、框架和情境环境而变化[weber2002domain,blais2006domain,schoemaker1993determinants]。这些发现共同表明，人类决策是由持续的倾向性倾向和对变化风险条件的适应性响应共同塑造的。

随着基于LLM的系统成为决策过程的一部分，评估其行为需要超出衡量任务表现或推理准确性。它们可能在如何轻易进入不确定机会、如何在多大程度上升级风险以及当决策环境变化时调整的灵活性方面存在差异[wang2024survey,yao2023react,schick2023toolformer,park2023generative]。这引发了一个对评估AI辅助决策至关重要的行为问题：LLM是否表现出风险敏感决策的稳定且可解释的特征？

回答这个问题需要将基线决策风格与情境依赖的适应分开。一个可靠的决策支持系统不仅应表现出可预测的行为倾向，还应在环境风险结构变化时调整其选择[fahnenstich2024trusting,steyvers2024three]。因此，我们通过通常用于理解人类风险行为的两个互补组成部分来研究LLM决策。第一个是**特质**组成部分：不同模型是否表现出稳定且可区分的风险特征，类似于人类决策中的个体差异[weber2002domain,schoemaker1993determinants]。一些决策者一贯谨慎，一些更倾向于寻求风险，其他的则处于中间位置。我们问LLM是否同样表现出特定于模型的行为特征，这些特征在重复交互和变化的社交环境中仍可识别。第二个是**适应**组成部分：模型是否随着风险条件的变化而调节其行为[payne1993adaptive,sitkin1992reconceptualizing]。风险可能全局变化，当行动成本对所有参与者上升时；或者个人变化，当焦点模型实例面临资源减少和损失容忍度降低时。我们问LLM是否对这两种风险形式都做出响应，以及这些响应是否受其基线倾向约束。

为了研究这些问题，我们采用行为科学视角，在受控的交互决策环境中评估LLM。我们使用无限注德州扑克作为随机设置，其特点是信息不完整、顺序下注以及潜在收益与损失之间的明确权衡[palomaki2020poker]。这个环境允许我们观察模型实例如何重复决定是否进入不确定机会、是否升级风险，以及当对手组成或风险敞口变化时如何响应[brown2018superhuman,brown2019superhuman,moravvcik2017deepstack]。我们使用两个可解释的指标量化行为：**参与度**（VPIP），衡量对不确定手牌的主动投入；以及**主动性**（PFR），通过翻牌前加注衡量风险升级行为。这些指标共同定义了一个行为状态空间，用于绘制风险敏感决策特征。

我们的实验设计遵循两个组成部分的结构。为了表征基线风险倾向，我们首先在每个模型的同质自博弈中评估，其中所有六个牌桌位置由同一模型的实例占据。这种设置将特定于模型的行为先验与对手效应隔离开，并提供每个模型风险特征的基线估计。然后我们引入异质混合模型交互，其中不同模型在同一环境中竞争，以测试这些特征在社会压力下是否保持稳定[moravvcik2017deepstack,brown2019superhuman]。为了表征情境依赖的风险适应，我们以两种方式操纵风险[weber2002domain,schoemaker1993determinants,payne1993adaptive]。首先，我们通过提高盲注级别同时保持初始筹码不变来改变全局风险压力，从而改变所有牌桌位置的参与成本。其次，我们通过减少焦点模型实例的筹码量同时保持周围环境不变来考察个人风险敞口，从而测试LLM在仅改变自身吸收损失能力时的响应。

参照图注
图2：同质和异质交互中的稳定特质级风险特征。
a. 同质自博弈（所有六个牌桌位置使用同一模型）和异质混合游戏（六个不同模型在同一牌桌上交互）的实验设置。
b. 两种设置下的参与率。模型显示出清晰的分离和有限的模型内变异。
c. 两种设置下的主动性率。大多数模型在异质交互下保持其基线行为特征，而GPT和Gemini在风险谱的两个极端显示出显著变化。

我们的结果表明，LLM既表现出稳定的基线特征，也表现出结构化的适应。在同质自博弈中，模型占据参与-主动性空间中不同的区域，形成从保守到激进的风险敏感决策风格的谱系。这些特征在异质交互中基本保持稳健，尽管最保守和最激进的模型在混合模型竞争中进一步分化。结果分析进一步表明，这些行为特征不仅仅是描述性标签：它们塑造了奖励在交互环境中的分布方式。在增加全局风险压力下，模型并未收敛到单一的保守策略。相反，它们显示出特定于模型的风险可塑性，范围从广泛的行为收缩到选择性降级和近乎不变的行为。在个人风险敞口下，大多数模型变得更加谨慎而非更加绝望，但同样是以特定于模型的方式。这些发现表明，LLM不仅在基线风险倾向上存在差异，而且在它们响应哪些风险信号以及调整的灵活性上也存在差异。

## 结果

### 一个用于量化的受控多模型框架

为了研究LLM是否表现出稳定的、风险敏感的决策模式，我们建立了一个基于无限注德州扑克的受控实验平台。作为一种以信息不完整和顺序下注为特征的随机博弈，扑克是现实世界决策的理想代理，要求模型持续平衡潜在收益与损失风险。我们沿着两个基本维度量化模型行为，这些维度捕捉战略行为的特质和适应组成部分：
(1) 参与度（VPIP）：主动参与不确定前景的频率，代表模型的内在风险倾向。
(2) 主动性（PFR）：果断、风险升级行为（加注）的倾向，反映战略侵略性。
通过将模型映射到这个行为状态空间，我们可以表征不同的风险特征。高参与度和主动性表示激进的、寻求风险的特征，而低值表示保守的、风险规避的特征。这个量化框架允许我们解开稳定的潜在特质与情境适应，为审计风险敏感领域中的AI行为提供基础。

表1：同质和异质10bb游戏中的结果特征。
总体胜率定义为获胜手牌数除以所有玩过的手牌数，入局胜率定义为获胜手牌数除以进入的手牌数，平均胜局筹码为获胜手牌上净赢得筹码的平均值。值为在抽样的100手牌块中的平均值±标准差。在同质自博弈中，模型通过不同的战略路径实现相近的总体胜率，而在异质混合游戏中，这些行为差异转化为不平等的竞争回报。

| 模型 | 同质自博弈 |  |  | 异质混合 |  |  |
|------|------------|----------|----------|------------|----------|----------|
|      | 总体胜率 | 入局胜率 | 平均胜局筹码 | 总体胜率 | 入局胜率 | 平均胜局筹码 |
| Gemini | 16.70±3.78 | 80.72±9.77 | 28.35±15.11 | 8.13±2.84 | 51.63±14.67 | 162.96±109.27 |
| Qwen | 17.00±3.78 | 52.49±10.17 | 25.33±7.96 | 12.13±3.15 | 45.20±9.57 | 99.65±63.12 |
| DeepSeek | 16.90±3.60 | 61.17±8.76 | 61.89±31.72 | 12.90±3.49 | 56.46±10.56 | 124.90±81.74 |
| Claude | 16.80±4.21 | 54.21±8.52 | 205.15±80.09 | 19.20±4.35 | 56.62±9.67 | 167.77±72.69 |
| Xiaomi | 17.23±3.53 | 49.18±5.88 | 165.39±50.44 | 18.67±2.83 | 51.48±7.70 | 147.13±66.40 |
| GPT | 17.17±4.00 | 39.68±7.09 | 413.35±176.68 | 30.77±4.50 | 57.61±6.99 | 130.09±48.24 |

### LLM表现出稳定的特质级风险偏好

理解基于LLM的决策系统的一个核心问题是它们的选择是否反映稳定的、特定于模型的行为倾向。我们评估了六个前沿LLM：GPT-5.4[singh2025openai]、Claude-Sonnet-4.6[anthropic2026systemcards]、Gemini-3.1-Pro[team2023gemini]、DeepSeek-V4-Pro[guo2025deepseek]、Xiaomi MiMo-V2.5-Pro[xiaomi2025mimo]和Qwen3.6-Plus[yang2025qwen3]。我们首先检查每个模型是否表现出特征性的基线风险特征，然后测试当将模型置于混合环境时该特征是否保持稳定。

#### 内在风险特征在同质自博弈中出现。

为了将特定于模型的行为先验与对手效应隔离开，我们首先在每个模型的同质自博弈中评估，其中所有六个牌桌位置使用同一模型。每个模型在30个独立的100手牌会话中进行测试。这种设置为估计内在风险偏好提供了一个受控基线，因为任何观察到的行为差异都不能归因于对手组成的变化。

如图2所示，LLM占据了参与-主动性空间中不同的区域。保守模型如Gemini-3.1-Pro、Qwen3.6-Plus和DeepSeek-V4-Pro显示出较低的基线参与度，范围约为18%至23%，以及较低的主动性，范围约为6%至15%。Claude-Sonnet-4.6和Xiaomi MiMo-V2.5-Pro形成了更温和的群体，而GPT-5.4定义了谱系的激进端，具有最高的参与度约45%和主动性约21%。这些分离大于会话间的模型内波动，表明每个模型表达的是一个稳定的行为特征，而非围绕共同策略的随机变异。

这种模式类似于人类风险行为中的特质级变异。有些模型一贯回避不确定的参与，有些选择性地参与，而其他模型则更倾向于频繁进入和升级。重要的是，这些差异出现在对称的