.png){kind=icon}
返回
Simulating strategic interactions with AI agents
.png){kind=icon}
OA
AI
DOI：10.1002/smj.70112.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们探讨大型语言模型（LLMs）如何作为合成主体为战略研究提供信息。我们介绍了一个用于设计和运行LLM驱动智能体模拟实验的框架。我们主张这种方法有助于快速、低成本地原型化人类实验，并生成新的假设。我们将该框架应用于探索-利用两难问题，并表明基于LLM的实验能够再现人类参与者中观察到的模式。随后，我们调整参数和边界条件，以说明相同设置如何支持设计迭代，并揭示关于既定结果何时以及为何变化的假设。在结论中，我们讨论了人工智能智能体作为“模型生物”在战略研究中的前景与局限。
Keyword:
AI agents
exploration and exploitation
Large Language Models
strategic interactions
strategy experiments
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.2
论文数:
3.4K
被引数:
4.6W
机构
引用论文
.png){kind=icon}
分享收藏The use of LLMs to annotate data in management research: Foundational guidelines and warnings利用LLMs标注管理研究数据的使用：基础指南与警示
OAAI
OAAI分享收藏Large language models surpass human experts in predicting neuroscience results大型语言模型在预测神经科学结果方面超越人类专家OAAI
OAAI分享收藏Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality导航锯齿状的技术前沿: 人工智能对知识工作者生产率和质量影响的现场实验证据
PREAI
分享收藏
查看更多内容