人格提示如何影响AI代理在分赃或背叛游戏中的策略

背景

社会困境（Social Dilemma）是博弈论中的经典问题，个体理性与集体利益往往存在冲突。迭代囚徒困境（Iterated Prisoner's Dilemma）及其变体“Split or Steal”（分或偷）常被用来研究合作与背叛的演化。近年来，大型语言模型（LLM）被广泛用作自主智能体（Agent），而Persona（角色设定）提示被用来引导这些智能体的行为风格。然而，Persona提示在塑造社会困境中的策略行为是否有效，尚缺乏系统证据。本文正是针对这一空白，在重复的Split or Steal游戏中系统考察Persona提示对LLM智能体决策的影响。

核心内容

该研究发表于arXiv（cs.CL），提交日期为2026年5月3日。研究团队在重复的Split or Steal游戏中，让携带不同Persona提示的LLM智能体与一个由固定提示控制的虚拟人类（Virtual Human，VH）进行交互。VH由GPT 4.1 mini驱动，而智能体则来自四个开源模型：Ministral 3:3b、phi4:14b、Gemma3:12b和Gemma4:e4b。每个模型在两种温度设置（0.3和0.7）以及确定性决策（温度0）下运行。实验共进行160轮会话，每轮15个回合，语言为欧洲葡萄牙语。

主要结果如下：

• 总体合作主导：在所有回合中，双方选择“Split”（分）的互惠结果约占74%，而一方利用另一方（即一方选Split、另一方选Steal）的情况不到11%。这表明在当前的设置下，大多数交互倾向于合作。
• 模型选择显著影响行为：phi4和Ministral 3:3b在不同温度下始终保持稳定合作；而Gemma3:12b和Gemma4:e4b则表现出更多变的策略和结果，包括更高的背叛率。
• Persona人格特质分析：基于大五人格（Big Five）特质框架，研究将Persona分为亲社会型（Prosocial）、原则型（Principled）和分析型（Analytical）。结果显示，Prosocial和Principled persona最稳定地促进了合作；而Analytical persona更倾向于利用VH（即选择Steal）。
• 对话主题分析：对智能体与VH之间生成的对话文本进行主题分析发现，谈论友谊相关话题与最终的Split决策高度相关；而谈论金钱和复仇相关话题则更多出现在Steal结果中。情感标签（sentiment labels）大多数为中性或快乐，对预测结果提供的额外解释价值有限。

这些发现刻画了Persona提示与模型差异在重复信任博弈中的交互作用，并为计划中的虚拟现实研究（人类参与者与具身VH交互）建立了基线。

关键要点

• 实验设计：在重复Split or Steal游戏中，四个开源LLM智能体（Ministral 3:3b、phi4:14b、Gemma3:12b、Gemma4:e4b）与GPT 4.1 mini驱动的VH进行多轮交互，共160个会话（每个会话15回合），温度设置包括0、0.3、0.7。
• 合作率极高：约74%的回合出现双方选择Split（互惠合作），而利用性背叛（Exploitation）不到11%。
• 模型差异显著：phi4和Ministral 3:3b在所有温度下保持稳定合作；Gemma3:12b和Gemma4:e4b策略更多变，更易出现背叛。
• Persona人格影响：Prosocial和Principled persona最促进合作；Analytical persona更倾向于利用VH。
• 对话主题与决策相关：友谊主题与Split决策正相关；金钱和复仇主题与Steal决策正相关；情感标签（大多数为中性或快乐）对预测决策帮助有限。
• 研究意义：为LLM智能体在社会困境中的行为建模提供了实证基线，并直接服务于后续包含真实人类参与者的虚拟现实实验。

意义与影响

该研究首次系统性地在迭代Split or Steal游戏中考察了Persona提示与模型差异对LLM智能体合作行为的影响，具有以下重要意义：

1. 方法论贡献：提出了一种可复现的实验框架，用于评估Persona提示在博弈论场景中的实际效果，为后续研究提供了基线数据。
2. 实践启示：提示了在设计LLM智能体时，模型选择（如phi4、Ministral vs Gemma系列）和Persona类型（如Prosocial vs Analytical）会显著影响合作倾向。这对于开发可靠的、可预测的AI代理（如谈判助手、虚拟人类伙伴）至关重要。
3. 跨学科应用：研究直接计划扩展到虚拟现实环境，让人类参与者与具身化VH交互，从而探索真实人类在面对不同Persona智能体时的行为反应。这有助于理解人类-人工智能协作中的信任与背叛机制。
4. 局限性：实验仅基于欧洲葡萄牙语，且VH由固定提示控制，未考虑智能体与VH之间的双向适应。此外，情感标签分析的解释力有限，未来可能需要更精细的对话特征提取。

总之，该工作为理解LLM智能体在社会困境中的行为提供了扎实的实证基础，并为人机交互领域的可控实验设计树立了范例。