人类和人工智能社会协调的时间合理利用

arXiv:2611.14766v1 公告类型：新 摘要：所有社交互动都发生在时间上。先前的研究表明，人类能够利用隐含的时间线索（例如暂停的持续时间）来推断他人的心理状态。但人类如何利用时间线索进行动态、细粒度的社会协调呢？人工智能系统可以做同样的事情，而不需要像人类那样“体验”连续的实时吗？我们使用名为“The Mind”的合作纸牌游戏任务来研究这些问题，该任务要求玩家通过重复的互动实现共同的目标，但禁止明确的沟通：唯一可用的信号是时间的流逝。我们评估了 150 名人类和两类人工智能模型，它们反映了人工系统中操作时间的不同方式：计算机使用代理 (CUA) 和标准文本提示的法学硕士。我们发现，贝叶斯策略可以最好地捕捉人类行为，该策略根据合作伙伴的时间推断出他们的信念——对于前沿模型来说也是如此。然而，与人类不同的是，所有经过测试的模型似乎都没有在游戏过程中有效地适应其伙伴的行为。从认知角度来看，我们的研究结果表明，人类在动态社会环境中对连续时间信号进行隐式概率推理，并且这种推理机制可能在没有实时经验的情况下出现。实际上，我们的研究强调了人工智能系统通过学习解释和适应动态环境中的隐式信号来与其他智能体进行有效协调的新挑战。