**大语言模型风险决策中的表面相似与机制差异：来自圣彼得堡悖论的证据**

_Probing Outcome-Level Resemblance and Mechanism-Level Alignment in LLM Risk Decisions: Evidence from the St. Petersburg Game_

> 该研究通过圣彼得堡悖论实验，考察了28个大语言模型在风险决策中的表现。尽管模型在原始游戏中产生了看似与人类相似的有穷出价，但受控变体实验揭示了其决策机制与人类存在根本差异：模型倾向于条件性计算理性，而非保持人类特有的偏差。即使通过人设提示和指令微调，模型机制层面的响应模式也基本未变。结果表明，大模型的行为对齐可能仅停留在表面，高风险决策评估应深入机制一致性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.04978)