arXiv Artificial Intelligence· Sascha Kaltenpoth, Haya Halimeh, Kevin B\"osch, Oliver M\"uller·· 13 小时前AI 评分34
数字助推能否左右快速、免生成式 AI 智能体？决策模型实验研究
Nudging Decision Models: Do Digital Nudges Steer Fast, Generation-Free AI Agents?
AI 导读
研究将在线购物实验适配到 Jev、Decision-1、d1 三个决策模型，每个模型 600 次运行中，它们有 97.5-99.9% 选择预设默认项，75-96% 选择带社会影响信息的产品，对照组为 47-49%。
推荐理由模型分析
该研究把原本用于人类和LLM智能体的在线购物助推实验，迁移到Jev、Decision-1、d1三类非生成式决策模型上，每个模型跑600次，报告默认选项选择率97.5%–99.9%、社会影响信息选项75%–96%，对照组为47%–49%。其价值在于首次给出决策模型更易受自动型数字助推影响的证据，且方向与具备推理能力的LLM智能体相反，提示开发者按智能体类型评估助推效果。证据限于改编的购物实验与三个模型，尚不能外推到其他任务或真实业务。
来源：arXiv Artificial Intelligence · arxiv.org