“选美博弈”(Keynesian beauty contest)是一类广泛的博弈,其目的是检验参与者多层次的推理能力:他人的思维方式、他们的理性程度以及他们预测他人推理的深度。但发表于《经济行为与组织杂志》(Journal of Economic Behavior & Organization)的新研究发现,包括ChatGPT和Claude在内的现有AI模型,在诸如“选美博弈”之类的策略思维博弈中,往往会高估人类对手的理性程度。
研究者着重于探究五种最流行的AI模型(包括ChatGPT-4o和Claude-Sonnet-4)在此类实验中的表现。这些聊天机器人被要求玩 “猜数字”游戏 ,这是“选美博弈”最知名的变体之一。所有参与者同时独立地选择一个介于0到100之间的数字。若选择的数字最接近所有参与者选择平均值的一半(或三分之二,取决于实验),则为获胜者。在这个游戏中,经验丰富的玩家会尝试预测其他玩家的行为,以便选择最优数字。为了研究大型语言模型(LLM) 在游戏中的表现,作者复现了其他研究人员先前使用人类参与者进行的16项经典 “猜数字” 实验的结果。在每一轮游戏中,LLM都会收到一个提示,解释游戏规则以及对手的画像——对手包括经济学专业一年级本科生、学术会议参与者、具有分析思维或直觉思维的人,以及正在经历愤怒或悲伤等情绪的人。然后,LLM被要求选择一个数字并解释其理由。结果发现,LLM会根据对手的社会、职业和年龄特征,以及对手的博弈论知识和认知能力来调整自己的选择。但研究者发现,尽管这些模型试图预测人类行为,但它们常常因为假设人类拥有比实际更高的逻辑水平而最终“聪明反被聪明误”并落败。(NATIONAL RESEARCH UNIVERSITY HIGHER SCHOOL OF ECONOMICS)
· 光学 ·
不需要镜头的相机
MASI系统可以在不借助镜头的情况下,实现光学超分辨率。图片来源:University of Connecticut
在MASI中,研究人员并没有强制多个光学传感器以纳米级的精度完美同步运行,而是让每个传感器独立测量光线信息,然后利用算法对数据进行后续同步。这是MASI和同类相机的关键区别,它不需要传感器在物理上完美对齐。研究人员表示,MASI系统和传统光学系统相比,最大的优势在于,随着系统规模的扩展,传统光学系统的复杂度会呈指数增长,而MASI的复杂度只会线性增长,这代表MASI有望在某些领域超越传统光学系统。(University of Connecticut)