Resumen:El uso de grandes modelos de lenguaje, ya sea como sistemas de apoyo a la toma de decisiones o en flujos de trabajo agentes, está transformando rápidamente el ecosistema digital. Sin embargo, la comprensión de la toma de decisiones de un LLM en condiciones de incertidumbre sigue siendo limitada. Iniciamos un estudio comparativo de opciones riesgosas de LLM a lo largo de dos dimensiones: (1) representación del prospecto (explícita versus basada en la experiencia) y (2) fundamento de la decisión (explicación). Nuestro estudio, que involucra 20 LLM abiertos y de frontera, se complementa con un experimento con sujetos humanos emparejados, que proporciona un punto de referencia, mientras que un modelo de agente racional que maximiza el beneficio esperado proporciona otro. Encontramos que los LLM se agrupan en dos categorías: modelos de razonamiento (RM) y modelos conversacionales (CM). Los RM tienden a un comportamiento racional, son insensibles al orden de las perspectivas, al marco de ganancias/pérdidas y a las explicaciones, y se comportan de manera similar ya sea que las perspectivas sean explícitas o se presenten a través de la historia de la experiencia. Los CM son significativamente menos racionales, un poco más humanos, sensibles al orden, el encuadre y la explicación de los prospectos, y exhiben una gran brecha entre descripción e historial. Las comparaciones pareadas de LLM abiertos sugieren que un factor clave que diferencia a los RM y CM es el entrenamiento para el razonamiento matemático.
Publicado originalmente en export.arxiv.org el 17 de febrero de 2026.
Ver fuente original
