本研究探讨叙事对大型语言模型（LLM）代理合作的影响，发现共同叙事显著提升合作效果，而不同叙事则导致自利行为。这一发现对多代理系统设计和人工智能对齐具有重要意义。

本研究探讨了直接偏好对齐算法（DPA）的技术和概念框架，提出了一种新的形式主义，通过离散推理问题正式化DPA损失，旨在指导人类与人工智能的对齐。

本文探讨了大型语言模型（LLMs）在社交互动和决策中的表现，发现其对人类行为的预测存在偏差，倾向于假设人类更理性。研究表明，LLMs的决策模型与人类对他人行为的理性预期一致，但与实际行为不符，揭示了模型的隐含偏见及其对人工智能对齐的影响。