PNAS：大語言模型從人類口頭報告中精準揭示風險決策的真實動機

認知神經科學前沿文獻分享

基本信息

Title:Large language models accurately identify decision reasons in verbal reports

發表時間:2026-06-29

發表期刊:PNAS

影響因子:9.5

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在決策科學領域，理解人類為什么在風險下做出某種選擇一直是個核心難題。長期以來，經濟學家和心理學家們習慣于一種“只看行為”的范式：即通過人們最終的選擇結果來反推其內在的決策過程。這種方法催生了著名的前景理論（Prospect Theory）等經典模型。然而，這種“行為至上”的路徑存在一個致命的局限：它必須假設人類的決策過程在不同情境和不同個體間是恒定不變的（即不變性假設）。

事實上，人類在做決定時往往有豐富的內心戲。如果直接問參與者“你為什么這么選”，他們能給出詳細的口頭報告。但在過去，由于自然語言數據過于龐雜且難以進行系統性的定量分析，研究者們往往認為“口頭報告不可靠”或“處理成本太高”而不予重視。

隨著大語言模型（LLMs）的爆發，這一僵局被打破。在這項發表于 PNAS 的最新研究中，研究者試圖回答一個關鍵問題：大語言模型能否作為一種可靠的分析工具，精準提取人類在自由文本中表達的決策理由？如果可以，這些被重新聽懂的“口頭報告”，能否幫我們建立比傳統行為模型更準確、更貼近真實心理過程的決策理論？

研究核心總結

為了驗證這一想法，研究者設計了一套包含 47 種潛在決策理由的分析框架，并讓參與者在完成 20 個經典的貨幣彩票選擇任務后，用自由文本寫下他們的思考過程。隨后，研究者利用大語言模型（如 Qwen3-235B-A22B）對這些文本進行了深度解析。

一、大語言模型能精準破譯人類的“決策自白”

研究者首先測試了大模型是否真的“懂”這些決策理由。結果表明，大模型不僅能準確理解復雜的彩票結構，還能在參與者隨性寫下的口頭報告中，精準識別出他們所使用的決策策略。

更重要的是，大模型從文本中提取出的決策理由，與參與者最終的實際選擇高度一致（對齊率高達 95%）。這意味著，模型并沒有在“胡說八道”，它給出的置信度評分能夠真實反映參與者在決策時大腦中正在運行的規則。分析還發現，人們最常使用的決策理由往往傾向于風險厭惡和“保本”策略（例如極力避免損失、關注最有利的保底結果）。

Fig 1. 本研究的整體分析流程：從定義 47 種決策理由，到收集人類口頭報告，再到利用大語言模型進行精準識別與驗證。

Fig 2. 大語言模型在理解各類選擇問題和決策理由時的準確率熱圖，深藍色代表模型能夠完美匹配理由與選項。

Fig 3. 大語言模型對決策理由的置信度評估分布，證明了模型給出的高置信度理由與人類實際選擇高度一致。

傳統決策模型通常假設每個人都有一套固定的決策偏好。然而，通過對大模型提取出的理由進行聚類分析，研究者發現了一個顛覆性的現象：人們使用的決策理由，主要取決于“面對的是什么樣的問題”，而不是“做決定的是誰”。

具體而言，不同參與者之間的決策理由分布非常相似，差異僅僅在于某些策略的權重微調。但當面對不同結構的彩票問題時，決策理由的分布卻出現了劇烈的變化。這種基于問題結構的策略切換，完全打破了傳統決策科學中基于“收益/損失”或“風險/安全”的簡單分類，揭示了人類決策高度的情境依賴性。

Fig 4. 實驗中被識別出的各類決策理由的使用頻率，揭示了人類在風險決策中對“避免損失”和“確定性”的強烈偏好。

Fig 5. 決策理由在不同個體（A）和不同問題（B）上的分布差異，直觀展示了“問題情境”帶來的巨大策略波動。

如果口頭報告真的有價值，那么它應該能幫我們更好地預測人類行為。研究者將數據集分為訓練集和測試集，利用大模型從口頭報告中提取的“理由畫像”來預測參與者在全新測試中的選擇。

結果令人振奮：基于口頭報告提取的決策理由，其樣本外預測準確率不僅超越了僅靠行為數據反推的基線模型，甚至擊敗了作為領域標桿的經典前景理論（Prospect Theory）。更關鍵的是，口頭報告模型在實現更高預測準確率的同時，使用的有效理由數量（困惑度）大幅減少。這說明，口頭報告不僅提供了更多信息，還幫我們過濾掉了那些僅僅是“巧合”的噪音，給出了更簡潔、更符合心理現實的解釋。

Fig 6. 不同條件下的樣本外預測準確率對比，顯示基于大模型解析的口頭報告模型（藍色）在預測表現上優于傳統行為推斷模型和前景理論。

研究意義

這項研究在理論和方法學上都具有里程碑式的意義。

在方法學上，它證明了“言語并非廉價（talk is not cheap）”。大語言模型的引入，徹底解放了口頭報告這一長期被低估的重要工具。研究者現在擁有了一種可擴展、高精度的工具，能夠將原本難以量化的定性文本，轉化為可以直接用于計算建模的硬核數據。

在理論上，這項工作對決策科學中根深蒂固的“不變性假設”提出了強有力的挑戰。它用扎實的數據證明，人類并不是用一套死板的數學公式來應對所有風險，而是會根據當前問題的具體結構，靈活調用不同的認知策略。這一發現為未來構建更加“情境敏感”的心理學和神經科學計算模型指明了方向。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿