behavioral-simulation

本文通过受控的 Rock-Paper-Scissors 交互实验和随机 n-gram 续写任务，探究大语言模型能否超越表层动作频率，恢复潜在的序列结构。研究发现：更长的上下文并不能提升策略识别能力，识别正确并不代表能够忠实模拟，且高阶依赖会显著削弱规则恢复——这意味着表面上的行为保真性可能掩盖了错误的生成机制。

一项实验给同一个1.2B语言模型赋予六种不同人格，并让它们进行100场扑克锦标赛，结果揭示了剧烈的行为差异：‘Grinder’从不赢但也从不输，‘Tilter’要么大赢要么破产，‘Shark’则占据统治地位。这些结果凸显了人格提示如何深刻影响LLM的决策。