按年被提到
20252025 · 3 次2026
AI 安全、伦理与社会影响›大模型与人类行为·arXiv:2505.09662 · cs.CL

When Large Language Models are More PersuasiveThan Incentivized Humans, and Why

大语言模型何时比有激励的人类更具说服力,以及原因
Jiacheng Liu, Francesco Salvi, Philipp Schoenegger, Xiaoli Nan, Ramit Debnath, Barbara Fasolo, Evelina Leivada, Gabriel Recchia, Fritz Günther, Ali Zarifhonarvar, Joe Kwon, Zahoor Ul Islam 等 40 人 · 2025

实验比较 LLM 与有奖励的人类说服者,优势取决于真实或欺骗情境

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 4 人首次 2025-05-16 · 最近 2026-09-21
4不同的人
3活跃月份
4讨论串
26被引(OpenAlex)

论文在实时对话设置中,比较 Claude 3.5 Sonnet 和 DeepSeek v3 与有说服激励的人类说服者。LLM 的说服优势取决于情境:说服是否真实(指向正确答案)或欺骗(指向错误答案)、具体是哪个模型,并且随重复互动而减弱,这与人类不同。第一个大规模实验中,Claude 在真实和欺骗情境下都比人类更有说服力,真实时显著提高答题准确率,欺骗时则降低;DeepSeek v3 的后续实验复现了准确率结果,但只在欺骗情境下表现出更强的说服力。语言分析提示这可能源于 LLM 表达出更高的确信度。

HN 为什么提它

评论者用它作为 AI 比有奖励的人类更会说服人的证据,说明机器人在这方面已经很强。

实证研究难度 2 / 5约 35 分钟有时效性
读之前最好知道
1大语言模型(LLM)基础
2实验设计与对照实验
3说服与欺骗的心理学基础
4统计显著性

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用intended · 2025-06

“LLMs are already close to indistinguishable from humans in chat; Bots are already better at persuading humans[1].”

拿它说明 LLM 在聊天中已几乎与人无法区分,说服人类也更强
The Future of Comments Is Lies, I Guess原评论 ↗
引用keeda · 2026-09

“Some of the studies I read about, though admittedly I haven't read most of them in depth:”

列出自己读过的研究之一,LLM 可能比有激励的人类说服者更具说服力,承认大多没细读
Winning the visa lottery原评论 ↗
被提交为 story · 2 次