Araştırma Soruları
- LLM’ler sosyal etkileşimlerde nasıl davranır?
- Yanıtları hangi mekanizmalar (adalet, karşılıklılık, rekabet) şekillendirir?
- CoT (chain-of-thought) süreçleri, LLM’lerin sosyal davranışlarını öngörmede kullanılabilir mi?
Sonuçlar
- LLM’ler yalnızca kendi çıkarlarını gözetmiyor; sosyal refah ve karşılıklılık eğilimleri gösteriyor.
- Model ailesi ve kapasiteye göre farklılık var: GPT ve Mistral modellerinde kapasite arttıkça öz-çıkar azalırken, LLaMA modellerinde tam tersi yönde artış gözleniyor.
- Daha büyük modeller (GPT-4, LLaMA-3-70B) güçlü grup kimliği etkisi sergiliyor.
- CoT tabanlı gerekçelendirmeler, alınan kararları %90+ doğrulukla öngörüyor.
Bulgular
-
Sosyal yönelim: Çoğu model prososyal (sosyal refah odaklı) yanıtlar üretti; rekabet eğilimi düşük.
-
Model farkları: GPT ve Mistral kapasite arttıkça daha az bencil; LLaMA kapasite arttıkça daha fazla bencil.
-
Grup kimliği: Yüksek kapasiteli modeller, grup içi etkileşimlerde belirgin sosyal refah eğilimi gösterdi.
-
Karşılıklılık: Mistral 7B hariç tüm modeller doğrudan ve dolaylı karşılıklılık sergiledi; insanlardan farklı olarak ikisi arasında seviye farkı göstermedi.
-
CoT öngörü gücü: Sosyal refah vurgusu prososyal davranış ihtimalini ~30pp artırırken, öz-çıkar vurgusu bunu 15–25pp azalttı.
-
Destekleyici bulgular: Çıkarımların yüksek AUC değerleriyle %90+ doğruluk sağlaması, CoT süreçlerinin kararları anlamada güçlü bir araç olduğunu gösterdi.
-
LLM Modelleri: 5
-
Sentetik Veri: 2
-
Yöntem: 5
-
Hız: 1
-
Etik: 3
-
Doğruluk Oranı: 4
-
Demografi: 0
Bu makale ile ilgili daha detaylı bilgiye ulaşmak isterseniz buraya tıklayarak ilgili makalenin ekine ulaşabilirsiniz.