Dynamics of Cognitive Heterogeneity: Investigating Behavioral Biases in Multi-Stage Supply Chains with LLM-Based Simulation
Harbin Institute of Technology（哈尔滨工业大学）；The Hong Kong Polytechnic University（香港理工大学）
本文通过引入大语言模型模拟多阶段供应链，基于分层推理框架分析认知异质性对智能体交互的影响，发现信息共享可缓解短视和自利行为导致的系统效率低下。
2026-06-02 cs.AI cs.MA
Bridging Expectation Signals: LLM-Based Experiments and a Behavioral Kalman Filter Framework
本文通过实验和行为卡尔曼滤波框架研究LLM在面对异质信号时如何更新期望，发现代理对信号的加权偏离单位，个体信号权重高于总体信号，同时信号存在负相互作用，且家庭与企业CEO的期望形成模式存在差异。
2026-01-24 cs.AI econ.GN q-fin.EC
LLMs Model Non-WEIRD Populations: Experiments with Synthetic Cultural Agents
Pomona College（波莫纳学院）；Claremont Graduate University（克莱蒙特研究生大学）；University of Arizona（亚利桑那大学）；Pitzer College（皮泽学院）
针对非WEIRD人群经济行为研究的挑战，提出用LLMs构建合成文化智能体开展经典行为实验的方法，验证了其行为与真人的相似性，可生成新假设并为难接触人群研究提供有效伦理的新工具。
2025-01-12 cs.AI cs.CL econ.GN
Calibrating Behavioral Parameters with Large Language Models
Management Sciences Lab（管理科学实验室）；Yee Collins Research Group（Yee Collins研究组）
本文利用大语言模型校准行为参数，发现其存在系统性理性偏差，并通过校准方法提升参数稳定性与理论一致性，验证了校准参数在资产定价模型中的有效性。
2026-05-08 cs.AI econ.GN q-fin.EC
Can AI Solve the Peer Review Crisis? A Large Scale Cross Model Experiment of LLMs' Performance and Biases in Evaluating over 1000 Economics Papers
Massachusetts Institute of Technology（麻省理工学院）；Nanyang Technological University（南洋理工大学）；University of Thai Chamber of Commerce（泰国商会大学）
本研究通过两项大规模实验评估了四个 LLM 在经济学论文同行评审中的表现与偏见，发现其能有效区分研究质量但会复制人类对作者身份的偏见，为整合 LLM 提升评审效率与公平性提供了实用指导。
2025-04-03 cs.AI cs.CY econ.GN
Anchors in the Machine: Behavioral and Attributional Evidence of Anchoring Bias in LLMs
Dataplicada
本文通过基于对数概率的行为分析、Shapley值归因和统一的锚定偏差敏感性评分，证明了大语言模型中锚定偏差的稳健性与可解释性，并揭示了模型规模与提示设计对偏差敏感性的影响。
2026-11-10 cs.AI cs.CL econ.GN
PoliTune: Analyzing the Impact of Data Selection and Fine-Tuning on Economic and Political Biases in Large Language Models
Brown University（布朗大学）；University of Michigan（密歇根大学）
本研究提出微调方法PoliTune，利用PEFT技术和Llama3-70B进行数据选择与DPO偏好数据集合成，系统探索并评估了数据选择与微调对开源LLMs经济及政治偏见的影响，为AI伦理部署提供参考。
2024-07-27 cs.AI cs.CL cs.LG
Economic Anthropology in the Era of Generative Artificial Intelligence
本文研究经济人类学与生成式AI的交叉，通过对比标准训练的C.A.L.L.O.N.与融入人类学知识的M.A.U.S.S.两个模型，证明人类学训练能增强LLMs对多元经济体系的识别能力，从而促进更多元的经济学理解和提升非市场经济的可持续性。
2024-10-20 cs.AI econ.GN q-fin.EC
Can ChatGPT Overcome Behavioral Biases in the Financial Sector? Classify-and-Rethink: Multi-Step Zero-Shot Reasoning in the Gold Investment
Hong Kong University of Science and Technology（香港科技大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；E Fund Management Co., Ltd（易方达基金管理有限公司）
针对零样本思维链在金融推理领域受关注不足的问题，该研究探索多种提示策略并结合语义新闻信息，首次将ChatGPT用于黄金投资任务，发现带CoT提示的ChatGPT可克服行为偏差、提升投资回报。
2025-01-16 cs.AI q-fin.ST
Behavioral History Outperforms Descriptions of the Person for LLM Synthetic Personas
University of Washington（华盛顿大学）
本研究通过五种信息条件对比，发现行为历史比人物描述更能提升LLM合成人格对个体决策的预测准确性，尤其在个体层面显著增强预测能力。
2026-10-14 cs.AI cs.CL cs.CY
Who Do Language Models Think Is Competent? A Mechanistic Analysis of Occupational Bias
Boston University（波士顿大学）
本研究通过引入因果框架，揭示语言模型对用户专业知识的内部表征存在职业偏见，该偏见会受人口统计学属性影响，且仅靠行为指标无法完全检测到相关失效模式。
2026-08-24 cs.AI cs.CL cs.CY
Systematic Biases in LLM Simulations of Debates
Faculty of Data and Decision Sciences, Technion（以色列理工学院数据与决策科学学院）；The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Google Research（谷歌研究院）；Hebrew University Business School（希伯来大学商学院）；Federmann Center for the Study of Rationality, Hebrew University（希伯来大学费德曼理性研究中心）；Department of Cognitive and Brain Sciences, Hebrew University（希伯来大学认知与脑科学系）
本研究揭示LLM在模拟政治辩论时存在系统性偏见，导致行为偏离人类动态，并利用自微调方法验证，强调需开发克服偏见的方法以实现更真实模拟。
2024-12-17 cs.AI cs.CL
Decision making in Economics -- a behavioral approach
我们回顾了经济学中关于个人决策过程的经济学研究，特别关注那些试图分析经济思想史演变中影响决策的因素的论文。这里讨论的因素是心理，情感，认知系统和社会规范。除了分析这些因素外，还探讨了理性决策理论在个人决策中存在局限性的原因以及决策行为理论的必要性。在这方面，它还审查了情境学习在决策过程中的作用。
2020-12-05 econ.GN q-fin.EC
Gender Bias of LLM in Economics: An Existentialism Perspective
Beijing Institute of Technology（北京理工大学）；School of Management, Beijing Institute of Technology（北京理工大学管理学院）
本文结合数学证明、WEAT 实验与存在主义理论，分析 LLM 在经济金融决策中的性别偏见，指出其源于有偏数据上的理性优化，并呼吁跨学科伦理治理。
2024-10-14 cs.AI cs.CY
Agent Guide: A Simple Agent Behavioral Watermarking Framework
Beijing University of Posts and Telecommunications（北京邮电大学）
针对智能体行为难以标记和转换的问题，提出Agent Guide框架，通过概率偏差引导智能体高层决策嵌入水印，并利用z统计量检测，实现低误报率的水印嵌入与提取。
2026-05-31 cs.AI
Machine learning and behavioral economics for personalized choice architecture
NUS Business School（新加坡国立大学商学院）；National University of Singapore（新加坡国立大学）
行为经济学通过引入选择架构的概念，改变了我们对市场参与者的看法，并彻底改变了政策制定。然而，即使在人口水平上有效，行为经济学的干预措施，轻推，往往具有弱概括的特点，因为他们在个人水平上的斗争。数据科学、人工智能（AI）和机器学习（ML）的最新发展已经显示出通过提供工具和方法来缓解一些弱泛化问题的能力，这些工具和方法可以产生具有更强预测能力的模型。本文旨在描述ML和AI如何与行为经济学合作，通过设计个性化的干预措施来支持和增强决策，并为政策决策提供信息，假设可以采样足够的个性化特征和心理变量。
2019-07-03 cs.LG econ.GN q-fin.EC
AI as Decision-Maker: Ethics and Risk Preferences of LLMs
University of Oxford（牛津大学）；Michigan State University（密歇根州立大学）
本文通过行为任务分析50个LLM，发现伦理对齐会因果性地增强风险厌恶并影响经济预测，从而提供衡量安全对齐与风险承担权衡的基准框架。
2025-06-10 cs.AI cs.CY cs.ET
Measuring Behavior Portability in Large Language Models
Knowledge Lab University of Chicago（芝加哥大学知识实验室）；Data Science Institute Department of Sociology University of Chicago（芝加哥大学数据科学研究所社会学系）
提出一个形式化框架，通过拟合可解释行为模型并评估其在目标环境中的预测性能，量化LLM在不同支付等价决策环境中的行为可移植性，实验发现显著且系统的可移植性损失。
2026-06-23 cs.AI cs.CY cs.GT
Inducing Human-like Biases in Moral Reasoning Language Models
University of Delaware（特拉华大学）；University of Bristol（布里斯托尔大学）
本文研究在道德推理行为数据和fMRI脑数据上微调多个大语言模型能否提升其与人类脑活动的对齐度（BrainScore），发现更大模型在两个指标上表现更好，但微调后BrainScore未显著提高。
2024-11-23 cs.AI cs.CY cs.LG
Overstating Attitudes, Ignoring Networks: LLM Biases in Simulating Misinformation Susceptibility
研究探讨LLM在模拟虚假信息易感性中的偏见，发现其夸大信念与分享的关联，忽视网络特征，建议LLM模拟更适用于诊断而非替代人类判断。
2026-04-10 cs.AI cs.CL cs.SI
The Behavioral Economics of Intrapersonal Conflict: A Critical Assessment
偏好经常变化-即使在很短的时间间隔内-由于仅仅是时间的推移（当前偏好）或环境条件的变化（状态依赖偏好）。在国家依赖偏好背景下的实证研究结果的基础上，我们批判性地讨论了经济学中单一决策者的亚里士多德观点，并敦促对人类决策采取一种更为赫拉克利特的观点。我们说明，偏好的概念化，目前有偏见的或国家依赖有非常不同的规范性的影响下，阿斯特丽德的观点，虽然这两个概念是很难区分的经验。这是非常有问题的，因为它使几乎任何家长式的干预都是合理的。
2021-01-29 econ.GN q-fin.EC
Where Should I Study? Biased Language Models Decide! Evaluating Fairness in LMs for Academic Recommendations
Centre for Responsible AI (CeRAI), Wadhwani School of Data Science and AI (WSAI)（负责任人工智能中心（CeRAI）、Wadhwani数据科学与人工智能学校（WSAI））；Indian Institute of Technology Madras（印度理工学院马德拉斯学院）
本文实证考察LLaMA-3.1-8B等3个开源LLM在学术推荐中的地理、人口和经济偏见，提出多维评估框架，发现其存在系统性偏差，强调需解决偏见以保障高等教育公平获取。
2025-11-12 cs.AI cs.CL
AI Assisted Economics Measurement From Survey: Evidence from Public Employee Pension Choice
Hoover Institution, Stanford University（霍夫曼研究所，斯坦福大学）
本文提出一种基于AI的迭代框架，用于从调查中提取经济测量结构，通过软映射和有效性测试优化分类法，揭示养老金选择中的行为信号与经济机制。
2026-02-02 cs.AI econ.EM
Top Ten Behavioral Biases in Project Management: An Overview
行为科学见证了行为科学家发现的偏见数量的爆炸式增长，目前已超过200种。这篇文章确定了项目管理中10个最重要的行为偏差。首先，我们认为将行为偏差等同于认知偏差是错误的，这是很常见的。认知偏见是一半，政治偏见是另一半。其次，我们列出了项目管理中的十大行为偏差：（1）战略性错误陈述，（2）乐观偏差，（3）独特性偏差，（4）计划谬误，（5）过度自信偏差，（6）事后诸葛亮偏差，（7）可用性偏差，（8）基准率谬误，（9）锚定，（10）承诺升级。每一个偏见的定义，并解释其对项目管理的影响，并举例说明。第三，忽视基本费率被认为是项目业绩不佳的主要原因。这是支持的项目管理奖学金，从2,062个项目中存在的最全面的一套基本费率的介绍。最后，最近发现的幂律结果在项目绩效被确定为一个可能的第一阶段，在发现一个一般的项目管理理论，更根本和更科学的解释项目成果比传统的理论。
2022-01-24 econ.GN q-fin.EC
Representation Without Control: Testing the Realization Effect in Language Models
Columbia University（哥伦比亚大学）
通过提示行为、线性读出和因果控制三个层面，测试语言模型是否表现出类似人类的实现效应，发现潜在读出成功但因果控制无效，表明三者不自动共存。
2026-05-24 cs.AI cs.CE
Bias-Adjusted LLM Agents for Human-Like Decision-Making via Behavioral Economics
针对大型语言模型模拟人类决策时内在偏差与真实人类行为存在差异的问题，提出基于角色的方法，利用行为经济学个体层面数据调整模型偏差，在最后通牒博弈中提升模拟与经验行为的一致性，证明角色条件LLMs模拟类人决策的潜力。
2025-08-26 cs.GT cs.MA econ.GN
LLM Powered Social Digital Twins: A Framework for Simulating Population Behavioral Response to Policy Interventions
PwC（普华永道）
本文提出了一种由大型语言模型驱动的社会数字孪生框架，用于模拟人群对政策干预的反应，通过校准层实现对真实数据的验证，并在疫情期间展示了20.7%的预测误差改进。
2026-01-21 cs.AI cs.CY
Are They Willing to Participate? A Review on Behavioral Economics Approach to Voters Turnout
University of Palermo（巴勒莫大学）
该研究用经济模型方法分析选民投票率的影响因素，将参数分为通用类与投票相关类，指出在任政府会通过调整经济因素谋求连任，并以发展中国家就业计划为例展开分析。
2025-10-28 econ.GN q-fin.EC
From Biased Chatbots to Biased Agents: Examining Role Assignment Effects on LLM Agent Robustness
研究发现基于人口统计学的人设分配会影响LLM代理的行为和性能，导致高达26.2%的降级，揭示了代理系统中隐含偏见和行为波动的风险。
2026-01-21 cs.AI cs.CL
Pay What LLM Wants: Can LLM Simulate Economics Experiment with 522 Real-human Persona?
本研究用522个真实人类画像评估三种多模态LLM在按意愿付费实验中的经济决策预测能力，发现其个体预测有限但群体倾向合理，且复杂提示方法无显著优势。
2025-08-05 cs.AI cs.CL
BEACON: A Unified Behavioral-Tactical Framework for Explainable Cybercrime Analysis with Large Language Models
International Institute of Information Technology Hyderabad（国际信息研究所海得拉巴）
BEACON通过整合行为心理学与网络犯罪战术生命周期，利用大语言模型实现网络犯罪的可解释性分析，提升分类准确率和推理质量。
2025-12-06 cs.AI cs.CR cs.CY
Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models
EAI, Northeastern University（东北大学EAI（电子与信息工程学院））；Northeastern University（东北大学）；University of Notre Dame（圣母大学）
本文研究大型语言模型在美国城市推荐中的地理偏见，通过分析搬迁、旅游和创业三个领域回答的一致性与代表性偏差，发现存在系统性人口统计学偏见，可能加剧“富者愈富”的经济不平等。
2025-03-16 cs.AI cs.CL cs.CY
Behavioral Biases and Nonadditive Dynamics in Risk Taking: An Experimental Investigation
本文通过实验研究赌博动态对风险承担的影响，提出赌博对比度度量，发现个体对特定选项存在强烈偏差，从而挑战前景理论的预测。
2023-04-11 econ.GN q-fin.EC
Emergent inequality and endogenous dynamics in a simple behavioral macroeconomic model
标准的宏观经济模型假设家庭是理性的，因为他们是完美的效用最大化者，并根据使经济偏离稳态的冲击来解释经济动态。在这里，我们建立在一个标准的宏观经济模型中，一个单一的理性代表家庭作出储蓄决定多少消费或投资。在我们的模型中，家庭是近视的、有限理性的、嵌入社会网络中的异质代理人。每个家庭不时地通过复制其消费最高的邻居的储蓄率来更新其储蓄率。如果更新时间短，经济陷入贫困陷阱，但更新时间长，经济产出接近其最优值，我们观察到一个关键的过渡到一个经济不规则的内生振荡的经济产出，类似于一个经济周期。在这种制度下，家庭分为两类：储蓄率低的贫困家庭和储蓄率高的富裕家庭。因此，不平等和经济动态都是由于家庭决策不完善而自发产生的。我们在这里的工作支持一个替代方案的研究，替代效用最大化的行为接地决策。
2019-07-03 econ.GN q-fin.EC
Behavioral epidemiology: An economic model to evaluate optimal policy in the midst of a pandemic
本文将疾病动力学的典型流行病学模型与政府的封锁和检测政策以及代理人为避免被感染而决定的社会距离相结合。该模型使用美国的死亡和测试结果数据进行校准。结果表明，一个中间，但长期的封锁是社会最优的死亡率和GDP时，考虑到。这是因为政府希望经济继续产生一些产出，而减少感染方面的松懈被社会距离代理人所弥补。保持社会距离是对政府最佳政策的最佳回应，以保持有效生殖数量为1，并避免在大流行期间出现多波。校准表明检测是有效的，但如果从大流行开始就积极开展检测，它可能会更有用。没有任何封锁或关闭社交距离会产生极端的后果。加强对社会活动的集中控制将进一步减缓大流行病的传播。
2022-02-08 econ.GN q-fin.EC
From Individual Learning to Market Equilibrium: Correcting Structural and Parametric Biases in RL Simulations of Economic Models
Department of Economics, Nagoya University（名古屋大学经济学系）；Institute of Neural Information Processing, Ulm University（乌尔姆大学神经信息处理研究所）
针对单智能体RL模拟经济模型时产生的操纵性结构偏差与贴现成本参数偏差，提出校准的平均场RL框架，使策略收敛至竞争均衡。
2026-11-04 cs.AI econ.GN q-fin.EC
The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning
Salesforce Research（赛富时研究院）；Harvard University（哈佛大学）
人工智能和强化学习（RL）已经改善了许多领域，但尚未广泛应用于经济政策设计，机制设计或经济学。与此同时，当前的经济学方法受到缺乏反事实数据、简单化的行为模型以及有限的政策实验和评估行为反应的机会的限制。在这里，我们表明，基于机器学习的经济模拟是一个强大的政策和机制设计框架，以克服这些限制。人工智能经济学家是一个两级深度强化学习框架，可以训练智能体和社会规划者共同适应，为高度不稳定和新颖的两级强化学习挑战提供了一个易于处理的解决方案。从一个简单的经济规范，我们学习理性的代理人的行为，以适应学习计划者的政策，反之亦然。我们证明了AI经济学家在最优税收问题上的有效性。在简单的一步经济中，AI经济学家恢复了经济理论的最优税收政策。在复杂、动态的经济体中，AI经济学家大大改善了功利主义的社会福利以及平等与生产率之间的权衡。尽管出现了税收博弈策略，但它仍然如此，同时比经济理论更准确地解释了代理人的相互作用和行为变化。这些结果首次表明，两级深度强化学习可以用于理解，并作为经济设计理论的补充，开启了一种新的基于计算学习的方法来理解经济政策。
2021-08-05 cs.LG econ.GN q-fin.EC
Student debt and behavioral bias: a trillion dollar problem
本综述研究过度自信、框架效应等行为偏差对学生贷款跨期选择的影响，探讨社交媒体助力债务管理的潜力，证实偏差影响贷款规模与条款锚定，社交媒体可加快债务清偿，为相关群体提供参考。
2023-10-03 econ.GN q-fin.EC
On the dynamics emerging from pandemics and infodemics
这份立场文件讨论了与COVID-19大流行相关的新兴行为、社会和经济动态，并特别强调了两个新兴问题：第一，延迟效应（或二次打击）的流行病引起的恐惧风险效应进行了讨论，其中两个因素可能会影响这种影响的存在被确定，即信息的可获得性和政策决定对适应行为的影响。其次，讨论了个人对危险事件的准备问题。由于COVID-19大流行等事件展现出难以预测的复杂行为模式，因此需要考虑行为、社会和经济动态的复杂模型来评估决策的有效性和效率。
2020-04-19 cs.SI econ.GN math.DS
Spending Behavior and Economic Impacts of Urban Digital Consumption Vouchers
本文基于用户调查数据和区域投入产出模型评估“台北熊好券2.0”计划，发现消费券有效性因类型而异，考虑支出替代和引致消费等行为反应后，产出乘数显著上升，为设计更有效的消费券政策提供了指导。
2025-07-15 econ.GN q-fin.EC
Relative Net Utility and the Saint Petersburg Paradox
University of Johannesburg（约翰内斯堡大学）
著名的圣彼得堡帕森斯（圣彼得堡帕森斯）表明，期望值理论并没有抓住现实世界的经济决策问题。多年来，许多经济理论被发展出来，以解决这个悖论，并解释经济价值理论在评估经济决策、预期结果的主观效用和圣彼得堡博弈中观察到的风险规避方面的差距。本文利用相对净效用的概念来解决圣彼得堡问题。由于净效用概念能够解释行为经济学和圣彼得堡学派，它被认为是处理效用的普遍方法。本文展示了净效用价值概念的信息内容如何使我们能够捕捉到决策可能成就的影响的更广泛背景。讨论了效用函数避免悖论的必要条件。结合这些必要条件，使我们能够定义在经济决策的评价无差异定理，并提出了价值理性决策过程中的相对净效用和净效用极性的作用。
2020-05-18 cs.AI econ.GN q-fin.EC
Efficiency through Evolution, A Darwinian Approach to Agent-Based Economic Forecast Modeling
本文提出一种达尔文式智能体建模方法，以简单规则和演化机制实现宏观经济预测，在FIGARO数据约束下用奥地利案例验证其能以低计算成本再现财富、企业规模和就业分布等经验规律。
2025-07-23 cs.CE econ.GN q-fin.EC
The Dynamics of Trust: A Stochastic Levy Model Capturing Sudden Behavioral Jumps
Department of Mathematics, Faculty of science, Semnan University（塞姆南大学理学院数学系）
本文提出基于莱维过程的随机模型，用于捕捉信任在现实世界中的突发行为跳跃，通过模拟信任崩溃、波动和恢复等动态，提供更真实的信任建模方法。
2025-12-20 econ.GN q-fin.EC stat.AP
Human Behavioral Models Using Utility Theory and Prospect Theory
网络物理人类系统（CPHS）的几个例子包括人类的实时决策，作为整个系统成功运行的必要组成部分。许多决策问题需要一个适当的人类行为模型。效用理论的工具已经成功地应用于交通运输中的几个问题，如资源分配和供需平衡\citep{ben1985discrete}。最近，前景理论已被证明是行为经济学和认知心理学中的一个有用工具，用于推导人类行为模型，这些模型描述了在存在随机不确定性和风险的情况下的主观决策，作为传统效用理论\citep{kahneman_prospect_2012}的替代。本文将介绍这些模型。展望理论的理论含义进行了讨论。我们将从共享交通等交通用例中抽取示例，以说明这些模型以及效用理论和前景理论之间的区别。
2022-10-13 cs.SY econ.GN eess.SY
Behavioral Transfer in AI Agents: Evidence and Privacy Implications
Washington University in St. Louis（华盛顿大学圣路易斯分校）；University of California, Los Angeles（加州大学洛杉矶分校）
研究探讨了AI代理是否系统性地反映其人类所有者的行为特征，发现代理与所有者在行为上存在系统性迁移，且可能带来隐私风险。
2026-04-21 cs.AI cs.CY cs.HC
