5 模型×10 拍卖场景：LLM 保留人类 bidder 机制级排序
soumitrashukla9 · x · 2026-10-03
MIT、哈佛联合 Google Research 与 OpenAI 研究者在 arXiv 发表论文《LLM Bidders Preserve the Mechanism-Level Orderings of Human Bidders》，检验 LLM 开箱即用能否模拟人类拍卖行为。
- 在 10 个（论文中 7 个有实验室数据基准）拍卖场景中对比 5 个 LLM 与已发表人类实验数据，重点分析 GPT-4o、Claude 3.5 Haiku、Gemini 2.0 Flash 三个非长推理大模型。
- LLM 与人类偏离理论的幅度乃至方向都不同：人类在二价拍卖中倾向出价过高，而多数模型反而出价过低。
- 令人意外的结论：无需微调或校准，大模型仍稳健保留了拍卖机制的关键排序——一价拍卖比二价更难，升价钟拍比密封出价偏差更小。人类与 GPT-4o 难度排序的 Kendall τb 达 0.60。
- 推理模型在观测到的私价场景中出价几乎达到博弈均衡。
「研究」频道最新
- Wolfram 长文:AI 时代纯数学研究的未来在哪里 — pickover · 2026-10-03
- Neuralink 受试者已累计生成超 5 万小时无标注脑数据 — XFreeze · 2026-10-03
- rasbt 从零实现推理模型第 6 课:手把手讲解并实现 RLVR 与 GRPO — rasbt · 2026-10-03
- arXiv 官方统计：累计收稿超 319 万篇,九月单月 40363 篇 — haider1 · 2026-10-03
- Erik Hoel 创办 Bicameral Labs,要用科学方法破解意识之谜 — erikphoel · 2026-10-03
- NASCAR 方法破解人脑皮层下重叠脑网络，解析常规方法看不到的结构 — bttyeo · 2026-10-03