Experimental Exploration: Investigating Cooperative Interaction Behavior Between Humans and Large Language Model Agents

要約

大規模な言語モデル（LLMS）の台頭により、AIエージェントは自律的な意思決定者としての人間協力の重要な機会と課題を提示します。
多くの研究がツールとしてAIとの人間の協力を調査していますが、競争力のある相互作用におけるLLMを介した自律剤の役割は依然として尋ねられていません。
この研究では、繰り返しの囚人のジレンマゲームで異なる特性（人間、主張されたルールベースのAIエージェント、およびLLMエージェント）を示すLLMエージェントと相互作用した30人の参加者を関与させることにより、人間の協同行動を調査します。
調査結果は、エージェントの主張された特性と参加者の性別の相互作用効果、および特性とされる特性に基づいた協同的行動の有意差を示しています。
また、ゲームの完了時間、積極的な好ましい行動、修理努力の受け入れなど、人間の反応パターンも分析しました。
これらの洞察は、仮想アバターや将来の物理エンティティなどの競争的な協力コンテキストでのLLMエージェントとの人間の相互作用に関する新しい視点を提供します。
この研究では、AIエージェントに対する人間の偏見を理解することの重要性と、観察された行動が将来の人間と協力のダイナミクスにどのように影響するかを強調しています。

要約(オリジナル)

With the rise of large language models (LLMs), AI agents as autonomous decision-makers present significant opportunities and challenges for human-AI cooperation. While many studies have explored human cooperation with AI as tools, the role of LLM-augmented autonomous agents in competitive-cooperative interactions remains under-examined. This study investigates human cooperative behavior by engaging 30 participants who interacted with LLM agents exhibiting different characteristics (purported human, purported rule-based AI agent, and LLM agent) in repeated Prisoner’s Dilemma games. Findings show significant differences in cooperative behavior based on the agents’ purported characteristics and the interaction effect of participants’ genders and purported characteristics. We also analyzed human response patterns, including game completion time, proactive favorable behavior, and acceptance of repair efforts. These insights offer a new perspective on human interactions with LLM agents in competitive cooperation contexts, such as virtual avatars or future physical entities. The study underscores the importance of understanding human biases toward AI agents and how observed behaviors can influence future human-AI cooperation dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google