研究揭示LLM合作覆盖电路抑制纳什博弈

2026年10月20日，arXiv人工智能板块刊出Paraskevas V. Lekeas与Giorgos Stamatopoulos的论文，研究大语言模型在囚徒困境中的合作覆盖电路机制。报道称，Llama-3-70B、Qwen2.5-32B和Qwen2.5-72B在直接提示的命名囚徒困境中锁定完全合作，而Llama-3-8B则接近纳什均衡。logit-lens分析发现一个分布式合作覆盖回路：中间层读数在约四分之三网络深度前倾向纳什动作，末层才转向合作，最终修正幅度与思维链行为在规模和两种架构上秩匹配。论文摘要式表述称，抑制大模型纳什博弈的是一个由词语触发的电路，而非能力缺失，并且该电路可被测量、界定和控制。目前进展停留在论文发布与机制描述层面，报道未提及后续实验或应用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。