基于大语言模型的谈判仿真:人格特质如何影响谈判结果?

人格特质对决策的影响一直是心理学研究的重要课题。例如,宜人性通常与谈判中的积极结果相关,而神经质则往往与较差的结果有关。本文介绍了一个基于大语言模型(LLM)的谈判仿真框架,通过赋予LLM代理合成的人格特质,来研究人格因素对谈判结果的影响。这项研究不仅为探究LLM代理的语言和经济能力的一致性提供了新的方法,也为大五人格特质对双边谈判结果的战略影响提供了实证见解。让我们深入了解这项有趣的研究。

研究背景与动机

大语言模型近年来展现出模拟多样化人类特质的能力。然而,决策过程作为一种特殊的人类行为,对LLM来说仍然具有挑战性,因为它依赖于LLM目前缺乏的推理能力。本研究聚焦于谈判这一特定的决策场景,试图回答一个长期存在的心理学问题:"人格特质的差异如何影响谈判结果?"

传统经济学理论假设决策是基于一定程度的理性和对可选项的理解。但行为主义者认为,人类并非完全理性,而是受到心理因素、认知偏差和人格特质的影响。已有研究表明,某些人格特质可能在谈判中带来优势。例如,宜人性在竞争性谈判中可能略显劣势,但在合作性环境中则是一种优势。

研究方法

谈判模型

研究者设计了一个经典的买卖双方讨价还价场景。买家和卖家都是由LLM代理扮演,他们被定义为心理和经济特征的组合:

$$
\begin{aligned}
\text{卖家} s &= (\psi_s, u_s) \
\text{买家} b &= (\psi_b, u_b)
\end{aligned}
$$

其中,$\psi_s$和$\psi_b$是基于大五人格模型的心理特征,$u_s$和$u_b$是效用函数,代表经济目标。

LLM代理配置

研究者通过上下文学习的方式,为LLM代理配置特定的人格特征和谈判目标。

人格特征指令:

使用Goldberg (1992)提出的70对双极形容词来设置人格特征。
每个人格维度随机选择n个相关形容词。
使用修饰词调整特征程度("很"表示高程度,"有点"表示低程度)。

谈判目标指令:

为买家和卖家设置不同的谈判目标。
买家:试图以较低价格达成交易。
卖家:尝试以较高价格成交。

谈判仿真过程

配置买家和卖家LLM代理。
代理交替生成对话utterance。
使用对话状态检测器提取每个utterance的谈判状态、报价和策略。
达到终止条件(接受、拒绝或达到最大轮数)时结束对话。

实验设置

LLM代理:使用GPT-4。
谈判变量:基于CraigsListBargain数据集设置。
人格指令:为每个代理随机生成人格特征,每个维度选择3个形容词。
对话仿真:最大20轮对话,共收集1499次谈判对话。

评估指标

研究采用了多个经济指标来评估谈判结果:

内在效用(IU):衡量单个代理的效用。
联合效用(JU):衡量谈判结果的公平性。
让步率(CR):衡量代理在谈判过程中的让步程度。
谈判成功率(NSR):成功谈判的比例。
平均谈判轮数(ANR):衡量成功谈判的速度。

研究结果与分析

谈判结果与人格特质的关系

研究发现,不同的人格特质对谈判结果有着不同程度的影响:

外向性(EXT):

外向的买家倾向于达成更多成功的谈判(ρ = 0.072**)。
外向的卖家略微提高了联合效用,表明对双方都更公平。

宜人性(AGR):

对谈判结果影响最大,尤其是对卖家。
宜人的卖家在内在效用上处于劣势(ρ = -0.262**)。
但宜人性与联合效用(ρ = 0.118)、让步率(ρ = 0.261)和谈判成功(ρ = 0.052**)呈正相关,表明更倾向于合作行为。

尽责性(CON):

买家的尽责性与较高的内在效用相关(ρ = 0.089**)。
卖家的尽责性与较低的内在效用相关(ρ = -0.075**)。

开放性(OPE):

开放的买家倾向于达成更多成功的谈判(ρ = 0.064**)。
开放的卖家倾向于获得较低的内在效用(ρ = -0.080**)。

神经质(NEU):

神经质的卖家倾向于获得较高的内在效用(ρ = 0.062**)。
但神经质与较低的联合效用相关(ρ = -0.056**)。

这些发现大体上与人类谈判实验的结果一致。例如,宜人性在竞争性谈判中可能处于劣势,但有利于达成合作性结果。

案例分析

研究者还对生成的对话进行了案例分析,发现了一些有趣的行为模式:

欺骗行为:某些代理会使用虚假信息来影响对方的决策。
情感诉求:代理会利用情感语言来争取同情或施加压力。
要么接受要么放弃策略:一些代理会采用强硬的最后通牒策略。

这些行为模式表明,LLM不仅能模仿谈判的语言风格,还能在一定程度上捕捉人类的决策模式。

研究贡献与启示

方法论贡献:提出了一个结合语言和经济能力的LLM代理仿真框架。
实证洞察:为大五人格特质对模拟谈判结果的影响提供了实证见解。
验证LLM能力:表明LLM不仅能模仿说话风格,还能在一定程度上捕捉人类决策模式。
跨学科应用:为心理学、经济学和人工智能的交叉研究提供了新的思路。

未来研究方向

扩展到更复杂的谈判场景,如多方谈判或多议题谈判。
探索其他个体差异因素(如文化背景、专业知识)对谈判的影响。
进一步研究LLM在模拟人类决策过程中的局限性和潜力。
开发基于这些发现的实用谈判辅助系统或培训工具。

结论

这项研究通过创新的LLM仿真方法,为人格特质与谈判结果之间的关系提供了新的见解。它不仅验证了LLM在模拟复杂人类行为方面的潜力,还为心理学和经济学研究提供了新的工具和视角。随着LLM技术的不断进步,我们可以期待在未来看到更多这类跨学科的创新应用,进一步推动我们对人类行为和决策过程的理解。

参考文献

Huang, Y. J., & Hadfi, R. (2024). How Personality Traits Influence Negotiation Outcomes? A Simulation based on Large Language Models. arXiv preprint arXiv:2407.11549.
Goldberg, L. R. (1992). The development of markers for the Big-Five factor structure. Psychological assessment, 4(1), 26.
Costa Jr, P. T., & McCrae, R. R. (1995). Domains and facets: Hierarchical personality assessment using the Revised NEO Personality Inventory. Journal of personality assessment, 64(1), 21-50.
Falcão, P. F., Saraiva, L. A. S., & dos Santos, E. A. (2018). The influence of personality traits on negotiation performance. International Journal of Business and Management, 13(8), 75-84.
Barry, B., & Friedman, R. A. (1998). Bargainer characteristics in distributive and integrative negotiation. Journal of personality and social psychology, 74(2), 345.