德国康斯坦茨大学与以色列魏茨曼科学研究所的研究首次评估了不同合作机制对大型语言模型（LLM）智能体在社交困境中的影响。研究发现，推理能力强的LLM反而更少合作，合约和调解机制最为有效。实验包括囚徒困境等经典博弈，结果显示现代LLM在单次博弈中普遍选择背叛，推理能力越强，合作越少，提示当前训练可能导致更多机会主义行为。
本研究探讨了人类与大型语言模型（LLM）代理在竞争合作中的互动行为。通过分析30名参与者在囚徒困境游戏中的表现，发现代理特征显著影响人类的合作行为，并揭示了性别与代理特征的交互作用，为人机合作提供了新视角。
囚徒困境揭示了合作与竞争的复杂关系。两个嫌疑犯在背叛或沉默之间做出选择，结果取决于彼此的决定。该理论广泛应用于商业、社交、环境和家庭中。通过Python模拟不同策略的效果，强调沟通与信任的重要性。
博弈论研究玩家在不同策略下的收益与决策。以囚徒困境为例，坦白是优势策略。纳什均衡指在此状态下，任何玩家不愿单方面改变策略。博弈分为静态和动态，涉及混合策略和潜在博弈。每个有限博弈至少有一个混合策略纳什均衡，帕累托最优状态下无法提高某玩家收益而不损害他人。
完成下面两步后，将自动完成登录并继续当前操作。
