研究称多数大模型存在稳定且趋同的风险偏好

一项在 arXiv 上预发表的研究提出，大语言模型在面对不确定性时表现出「稳定且系统化」的风险态度，而非随机响应。该研究通过跨任务框架，将「对情境风险的信念」与「最终决策选择」解耦，分别测量了 6 个具有代表性的大语言模型与 100 名人类参与者在三类任务中的风险行为。

研究设计：三个领域同时测信念与决策

研究团队构建了一套跨领域实验框架，覆盖三类典型决策场景：

• 空间导航：在不确定路径中评估模型与人类对行进选择的偏好。
• 临床分诊：在医疗资源分配情境下，考察不同紧迫程度案例的处理倾向。
• 金融分配：在风险与收益不确定的条件下，观察投资额度选择。

在每一类任务中，模型与人类参与者都被要求先给出对情境风险的判断（信念），再做出具体决策（选择）。研究者利用回归模型，分别拟合每位「智能体」从信念到决策的映射函数，并从中提取两类指标：风险敏感度（risk sensitivity）与风险态度偏差（risk attitude bias）。

主要发现：稳定、一致、趋同

针对 6 个被测大语言模型，研究得出三点核心结论：

• 任务内一致性：多数 LLM 在同一领域内，从情境风险信念到最终决策的映射稳定，意味着模型在该任务下的风险行为可被复现。
• 跨任务稳定性：模型在不同领域之间会保持相对一致的风险倾向「排名」，即一个模型如果在 A 任务里偏保守，在 B 任务里通常也不会突然激进。
• 收敛性：相较于 100 名人类参与者构成的更宽分布，LLM 群体的风险态度落在更窄的区间内，整体呈现出向一种「受限分布」汇聚的趋势。

这些结果表明，风险态度可以被视为大语言模型的一项稳定、此前未被系统性刻画的行为维度。

意义与开放问题

作者认为，这一发现为在开放性、高风险场景中评估并对齐 AI 系统的决策方式奠定了基础。当大模型被用于医疗、金融、应急等需要承担实际后果的领域时，仅评估其知识或推理能力并不足够；风险偏好同样会显著影响最终行为。

不过，论文也提醒，LLM 风险态度的「来源」目前仍是未解之题：是预训练数据中人类偏好的投影、RLHF 阶段对齐的结果，还是模型规模与架构自发涌现的属性，需要后续研究进一步追溯。该工作更多是打开一个可测量、可比较的评估维度，而非给出最终结论。

研究局限与待验证点

• 样本规模有限：仅涉及 6 个模型与 100 名人类参与者，尚不能外推到全部主流大模型。
• 三类任务的代表性：空间、临床、金融虽然覆盖了典型风险场景，但并未涵盖自动驾驶、军事决策等更复杂博弈情境。
• 「趋同」是否因基座趋同：研究未明确讨论被测模型是否共享类似训练范式，因而无法区分「LLM 通用特征」与「特定训练方法的结果」。

综上，这篇论文将「风险态度」从哲学心理学的讨论推进到可量化、可跨模型对比的实证层面，给行业提供了一套新的评估工具，也为 AI 对齐研究补充了一个具体的行为切面。