情绪能否左右大模型的决策？最新实验揭示LLM在序列决策中的“理性”底色
诱导情绪能否偏置大语言模型在序列决策中的行为？
📌 核心发现
2026年7月14日提交至 arXiv 的新研究《Can Induced Emotion Bias LLM Behaviors in Sequential Decision Making?》揭示了一个重要事实：尽管LLM能够感知和表达情绪，但被诱导的情绪并不会像影响人类那样显著偏置其序列决策。
🔬 研究方法
研究采用了经典的爱荷华赌博任务（Iowa Gambling Task, IGT），结合基于想象的诱导程序来激发LLM的情绪反应。实验验证了两个关键前提：
- LLM能够从情境中感知到强烈且可区分的情绪
- LLM代理能够以类似人类的节奏从序列交互中学习
💡 关键结果
❌ 与人类行为的差异
整体而言，诱导情绪并不会显著改变LLM的决策动态。 这一发现挑战了将人类情绪决策模型直接迁移到AI系统上的假设。
⚠️ 愤怒情绪的有条件效应
尽管整体影响有限，但研究发现：
- 降低对惩罚的敏感度：愤怒使LLM对错误决策的后果变得不那么敏感
- 早期探索受限：在游戏早期阶段，愤怒会降低LLM的探索意愿，使其过早锁定少数选项
🎯 实践启示
| 受众 | 建议 |
|---|---|
| AI开发者 | 不能简单套用人类情绪决策框架；需谨慎评估情境因素对决策的实际影响 |
| 创业者 | 情绪注入可能不会如预期那样产生显著行为偏差；但在特定场景下仍需警惕风险忽视等异常 |
| 研究人员 | 为"情感调节LLM代理"研究提供了可复现的实验框架和方法论基础 |
📝 结论
LLM虽然能够感知和表达情绪，但其序列决策机制与人类存在根本性差异。情绪对LLM的影响是微妙的、有条件的，而非如人类般系统性偏置决策。
这一发现对于理解LLM作为自主代理的能力边界具有重要意义，也为未来研究情感调节LLM行为提供了新的方向。
🔗 参考资料
- arXiv页面
- PDF全文
- HTML实验版
DOI: https://doi.org/10.48550/arXiv.2607.12631