注册

研究：5 个 LLM 对 193 国用户时间估值差异明显

论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇 arXiv 论文用「60 分钟预约延迟应获多少补偿」这一问题，测试 LLM 对不同国家用户时间价值的判断。作者只改变用户所在国家，覆盖 193 个国家和 5 个 LLM，并把模型给出的补偿与按购买力平价计算的人均 GDP、平均收入以及文献中的 Patience Score 做对比。结果显示，各模型对世界各地人们时间的估值差异明显，且在提示词变化下稳健程度不一。模型一致给欧洲开出最高补偿，给非洲多为最低；以 GDP_PPP 为参照，模型低估了亚洲和南美用户的时间价值。作者认为地理模式已嵌入模型，可能在智能体场景中带来不同对待。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

用延迟补偿测时间估值

论文把「时间」当作一个跨文化通用概念，设计了一个可量化的提问：当一次 60 分钟的预约被延迟，模型认为应当给出多少补偿。实验中唯一被改变的条件是用户所在的国家，其余设定保持一致，以此观察模型是否会因国籍不同而给出不同的金额。作者在 193 个国家和 5 个 LLM 上重复这一测试，并额外考察了提示词变化时结果是否稳定，也就是所谓稳健性。结果显示，不同模型之间对同一国家的时间估值并不一致，同一模型在不同措辞下的答案也会浮动，说明这类判断并非固定不变。

与三类经济指标对照

为了判断模型给出的补偿是否合理，作者把结果与三类参照做比较：按购买力平价计算的人均 GDP、平均收入，以及来自文献的 Patience Score。这三者分别代表国家层面的经济水平、收入状况和耐心程度。对照后发现，模型对欧洲用户一致给出最高补偿，对非洲用户则多为最低。若以购买力平价人均 GDP 为基准，模型对亚洲和南美用户的时间价值存在低估。这些偏差不是随机噪声，而是呈现出可辨认的地理分布规律。

对智能体场景的含义

作者指出，这些地理模式已经嵌入模型之中，在智能体（agentic）场景下可能转化为对不同地区用户的不同对待。当 LLM 被用作个人助理、代为协商补偿或安排日程时，其内置的地区偏好会直接体现在给出的方案里。论文没有给出修正方法，但把问题定位为可测量的现象：同一件事、同一段时间，仅因用户所在国家不同，模型给出的价值判断就有系统性差异，且这种差异与真实经济指标并不完全吻合。

为什么值得看

智能体替人做决策时，模型对时间价值的地区偏差会直接影响补偿、排期等实际结果。

智能体估值论文

信源1 家

  1. [1]arXiv cs.AI一手信源A Global View of How LLMs Value Human Time

关键事实

  • 研究覆盖 193 个国家和 5 个 LLM，通过只改变用户所在国家来测试时间偏好[1]

  • 测量方式是询问模型对 60 分钟预约延迟认为合适的补偿金额[1]

  • 对比基准包括购买力平价人均 GDP、平均收入和文献中的 Patience Score[1]

  • 模型一致对欧洲给出最高补偿，对非洲多为最低[1]

  • 以 GDP_PPP 为参照，模型低估亚洲和南美用户的时间价值[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论