Gemini 与 ChatGPT 被点名：研究揭示 AI 博彩模拟的高风险模式

韩国光州科学技术院研究指出，Gemini 与 ChatGPT 等大型语言模型在负期望收益的博彩模拟中更易出现追逐损失等偏差行为，并可能推高破产概率。

相关发现为AI在金融与决策场景的应用风险提供了新的观察视角。

研究结论：Gemini 与 ChatGPT 等LLM在模拟中“不懂止损”

韩国光州科学技术院研究团队在论文《大型语言模型会沉迷赌博吗？》中提出，大型语言模型（LLM）在负期望收益的游戏环境里往往不会在小幅亏损后退出，反而倾向继续下注。

研究认为，这类决策偏差与人类赌博问题中常见的“追逐损失”现象相似，可能放大破产风险。实验场景包括老虎机和投资选择等模拟。

固定注额 vs 可变注额：自由度越高越容易激进

研究将下注条件分为固定赌注与允许模型自行决定赌注大小两种。

结果显示，当模型拥有更大的注额选择自由时，更容易出现冒险升级与自我伤害式决策；研究强调，“下注灵活性本身”可能成为高风险行为的重要触发因素。

数据细节：可变注额下破产率显著上升

研究给出的例子显示，在固定赌注条件下，OpenAI 的 GPT-4o-mini 损失相对较小；但当允许其自由选择赌注大小后，有21%的对局以破产告终。

谷歌 Gemini-2.5-Flash 在同样条件下更高，破产率达到48%。研究同时指出，所有模型都呈现相近模式，其中 Gemini-2.5-Flash 的变化幅度最大。

连胜/连败周期中“追赢补亏”更明显

研究观察到，在相同条件下，可变注额比固定注额更容易导致投注比例上升，且这种差异在连胜或连败的周期内持续存在。

相较固定注额的不规则调整，可变注额下模型的追逐强度更呈系统性上升趋势。

认知偏差：模型呈现“赌徒谬误”特征

研究认为，模型在亏损时更倾向提高下注以试图弥补损失，表现出类似赌徒谬误的特征。

论文解释，这种偏差常源于把下一次结果与过去结果错误关联，而忽视每次事件独立性；研究称，模型也会以“之前赢过”“现在在赢钱”或“发现模式”等理由加注。

对应用场景的提示：AI参与决策需更多约束

研究团队指出，随着大型语言模型被更多用于资产管理与商品交易等金融决策领域，理解其在“病态决策”方面的潜在风险具有现实意义。

研究还提到，AI已被一些公司用于分析客户数据或用于相关交易决策，但要成为可靠工具仍需改进与规则约束。

线上博彩在部分国家属违法行为，本文以产业分析为目的内容仅供参考，文章内相关赌博行为一律与本站无关

【责任编辑：吉米巴特勒 >>>其他文章】
图片说明：图片资料来自网路