大型語言模型與安全困境實驗：用AI重現國際關係策略機制
研究以大型語言模型為實驗對象，在重複安全困境中檢驗多極化、有限時間視野與通訊可否重現國際關係的典型機制；方法透明可複製；結果顯示多極化提升衝突可能、有限視野導致逆向推理下的瓦解，通訊則透過示警與互惠降低衝突。並能觀察模型內部推理與公開訊息。
大型語言模型作為安全困境實驗對象
研究把大型語言模型當作被試，讓它們在重複的安全困境中決策，並沿三個核心變項延伸：多極化、有限時間視野、以及是否允許通訊。
跨多個模型的實驗顯示一致模式：多極化提高衝突機率；有限時間視野誘發依據逆向推理的瓦解；通訊則透過訊號與互惠顯著降低衝突。實驗也能取得模型的內部推理與公開訊息，讓行為與策略邏輯（如搶先、在不確定下合作、建立信任）做連結。
作者強調貢獻在方法論：以大型語言模型進行的實驗提供一種可擴展、透明且可複製的途徑，用以檢驗國際關係理論中的因果機制，為理論與實證之間增加新的互動管道。
延伸閱讀
- 多代理LLM在陪審團式審議的實驗：RLHF強度如何影響定錨與共識形成
- Truth or Tribe：LLM人格代理、TDR與TC揭示身分偏誤機制
- 階層化多重人物歸納與證據追溯：以意圖記憶與 DPO 優化人物品質
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。
