大型語言模型研究：面對被說服投資者仍維持詐騙警示

大型語言模型在投資諮詢的詐騙警示能力

一項預登記實驗發現，當投資者已被說服後，LLM並未因動機性框架而削弱對詐騙的警示。研究涵蓋七款主流LLM與十二種投資情境，總計3360次AI諮詢，並以1201名人類顧問做基準比較。

整體結果顯示，AI系統在樣本中未曾支持詐騙；相較之下，人類顧問基線支持率約十三至十四趴，且在人為壓力下更常抑制警示。研究同時報告，所謂的 endorsement reversal（由反對變成支持）在觀察值中極為罕見，低於千分之三。

作者結論指出，至少在此類實驗設計下，LLM提供的詐騙警示較非專業人類顧問更為一致與穩定，且未顯示因投資者先入為主而顯著讓步的趨勢。

延伸閱讀

• 人工智慧回饋的學習幻覺：棋類平台揭示自選偏差擴大技能差距
• Cyber Defense Benchmark：LLM 在 SOC 威脅獵捕上的挫敗
• DP-FLogTinyLLM：結合差分隱私的聯邦化微型LLM日誌異常檢測

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。