大语言模型识别决策理由的准确性及其价值

这项研究探讨了如何利用大语言模型（LLMs）解析人类在面临风险决策时的口头报告，从而揭示其背后的选择逻辑。研究者开发了一套分析框架，证明了模型能以95%的准确率从自由文本中识别出决策原因，其预测效力甚至超过了传统的前景理论。实验结果表明，人们的决策依据主要随问题结构的变化而改变，而非仅仅取决于个体差异。这种方法克服了传统行为数据难以捕捉动态认知过程的局限，证实了言语数据在决策科学中具有极高的认识论价值。通过将自然语言处理与认知模型相结合，该研究为构建更具解释力和情境敏感性的人类决策模型开辟了新途径。