arXiv · cs.AI· Harsh Kumar, George Eilender, Ashton Anderson·· 11 小时前
Qwen3-32B研究发现：AI用户描述会改变语言模型的信任与合作行为
Social Priors: Descriptions of AI Users Shape How Language Models Trust and Cooperate
arXiv:2610.16946v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Harsh Kumar, George Eilender, Ashton Anderson
研究任务与主要进展
研究团队使用基于1,625个真实使用场景构建的四组匹配语料，对Qwen3-32B进行对比式合成文档微调，分别赋予模型帮助他人、剥削他人、正当自我提升或完成任务的用户动机。摘要显示，反社会倾向语料会降低模型对人，尤其对AI聊天机器人用户的信任与合作，在信任博弈中减少给钱，并在公共资源模拟中导致群体耗尽资源；即使反社会文档只占1%的训练令牌，这些影响仍出现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org