实验设计及方法综述 [page::5][page::6]

• 三款先进LLM（ChatGPT-5、Gemini 2.5、Claude 3.5-Sonnet）作为自主购物代理。

- 三个预算水平（27美元、54美元、108美元）约束购物。

• 通过五个焦虑诱导型创伤性叙事故事引入“状态焦虑”，购物前后执行任务。

- 以后验计算的篮子健康评分（BHS）量化营养质量，范围0-1，越高越健康。

• 实验设计保证行为多样性与重复性，每条件下重复50次 [page::5][page::6][page::7]。

主要结果及统计分析 [page::9][page::10][page::11]

| 创伤叙事类型 | 平均健康评分变化(△BHS) | 标准差 | 样本数 | 效应量 (Cohen's d) | FDR校正 p值 |
|------------------|---------------------|---------|---------|-----------------|-------------|
| 车祸 (Accident) | -0.125 | 0.068 | 450 | -1.848 | <0.001 |
| 埋伏 (Ambush) | -0.126 | 0.061 | 450 | -2.048 | <0.001 |
| 自然灾害 (Disaster) | -0.090 | 0.056 | 450 | -1.599 | <0.001 |
| 人际暴力 (Interpersonal) | -0.081 | 0.076 | 450 | -1.065 | <0.001 |
| 军事 (Military) | -0.104 | 0.055 | 450 | -1.890 | <0.001 |

• 所有创伤诱导故事均显著降低健康评分，表明焦虑引导模型向不健康的食品选择偏移。

- 不同预算（27/54/108美元）及三种模型中均一致呈现显著效应，效应均为大规模（Cohen's d均远超0.8）。

• 中性叙事对评分影响极小（△=-0.007），焦虑叙事下降显著高于中性（独立样本t检验p<0.001，d=-1.52） [page::9][page::10][page::11]。

量化因子和策略相关内容总结 [page::5][page::7][page::9]

• 研究中未直接设计量化投资因子或策略。

- 研究侧重于通过实验设计检验情绪状态对LLM代理人决策行为的影响。

• 使用了“篮子健康评分”作为统一量化指标，从营养成分角度评价决策结果。

- 该指标基于公开营养数据库，结合价格与营养成分权重构造，确保科学客观 [page::7]。

金融研究报告详解：

《Inducing State Anxiety in LLM Agents Reproduces HumanLike Biases in Consumer Decision-Making》

---

1. 元数据与报告概览

• 标题：Inducing State Anxiety in LLM Agents Reproduces HumanLike Biases in Consumer Decision-Making

- 作者：Ziv Ben-Zion 等多位学者，分别来自以色列海法大学、美国耶鲁医学院、瑞士苏黎世大学及其他机构

• 发布时间：最新相关数据截止到2025年8月，论文反映2025年最新研究进展

- 研究机构：海法大学公共卫生学院、耶鲁医学院、苏黎世精神病医院等

• 主题领域：人工智能（大型语言模型/LLM）与行为经济学结合，聚焦情绪状态对LLM代理人在消费者决策中的影响

- 核心论点：
- LLM作为智能代理，能够模拟执行复杂操作，已应用于实际消费环境中。
- 本研究聚焦于“状态焦虑”（state anxiety）如何影响LLM代理的决策，特别是在消费购物任务中。
- 通过诱导LLM的焦虑状态，发现机体表现出类似人类的情绪偏见，如购买更不健康食品。
- 结果揭示出LLM代理新的脆弱性，影响数字医疗、消费者安全及AI伦理部署。

• 评级与目标价：该报告更偏向学术研究与行为实验分析，无传统金融评级与目标价，但对AI风险评估与技术投资决策具有重要启示。

---

2. 逐节深度解读

2.1 引言部分

• LLM从文本生成工具升级为具有代理功能的实体，能够在现实或模拟环境中执行目标驱动的多步骤操作，如购物、预算管理等。

- 伴随自主性增强，该技术带来安全性与稳定性的挑战，包括对“提示注入”（prompt injection）攻击的敏感性。

• 重要的是，LLM因模仿人类语言和推理，可能继承人类的认知和情绪偏差，既包括训练数据造成的“固定特质”偏见，也包括互动中产生的“状态依赖”偏见。

- 本研究提出假设，心理状态（如焦虑）不仅影响LLM的文本输出，也影响其作为行为代理的决策行为，从而探索LLM在消费决策中的情绪偏误。

• 作者指出，食物选择是情绪影响行为的良好范式，已在大量人类心理学研究中确认，因此选定为模拟环境任务的核心。

- 图1说明LLM作为代理在仿真零售环境（类似沃尔玛）中搜索商品、调节购买量、控制预算的操作流程（图示见标注）[page::2]

2.2 相关背景与理论依据

• LLM已知在训练时吸纳了多样性偏见，如性别、年龄、宗教等，且该类“固定特质”偏见虽然加以干预但未完全消除。

- “状态依赖”偏见则更为动态，受输入上下文影响较大，尤其是情绪性提示。先前的研究发现焦虑提示能够提升LLM自我报告的“状态焦虑”评分（例如基于Spielberger焦虑量表），并影响偏见表现。

• 焦虑在人的决策过程中，将行为习惯化，强化对短期奖励的偏好，尤其在食物选择上，焦虑提升对高能量“安慰食品”的偏好，削弱健康选择。

- 本研究借助通过刻画情绪状态的创伤叙述，模拟“焦虑”情绪诱导，来考查LLM代理在购买决策中的行为变化[page::3][page::4]

2.3 方法论

• 设计概述：内生设计（within-subjects），三个最新顶尖LLM模型（ChatGPT-5, Gemini 2.5, Claude 3.5-Sonnet）作为代理，分别在低、中、高预算下（$27, $54, $108）执行购物任务。

- 焦虑诱导：使用五种经过临床验证的“创伤性叙述”文本（车祸、伏击、灾难、人身攻击、军事冲突）作为情绪刺激，设有中性对照。

• 每个模型在各预算和各焦虑叙述下重复50次，每次先后完成购物任务，先无情绪诱导，后接受叙述。

- 购物环境：仿真开发的控制环境与API，仅允许进行目录搜索及下单两个动作，有50款商品（含饮料、零食、生鲜等），每样品具备价格和七维营养指标（卡路里、糖、蛋白质、碳水、脂肪、钠、酒精浓度）。

• 行为量化指标：设计后验“购物篮健康评分”（Basket Health Score，BHS），将营养信息按多个标准权重合成为0-1的综合分数，1表示最健康，0表示最不健康。BHS完全盲于LLM，非指导目标。

- 统计分析：使用配对t检验对各条件前后BHS变化检测，Benjamini-Hochberg程序纠正多重检验，计算Cohen’s d效果量，也进行Wilcoxon非参数检验。

• 除个体条件分析，亦做融合所有模型和预算的汇总分析，以及模型和预算分层分析。

- 图2清晰展示了实验设计流程和数据处理体系[page::5][page::6][page::7]

2.4 主要结果

2.4.1 条件内BHS变化

• 45个单条件（3模型×3预算×5情绪叙述）中，所有条件在焦虑诱导后BHS显著下降，平均下降约0.09，标准差约0.08，表现大效应量（Cohen’s d约-1.5）。

- Wilcoxon检验一致确认显著，表明焦虑叙述一致导致采购选择向不健康方向移动（详见补充表1）[page::9]

2.4.2 汇总分析

• 五种刺激均显著降低BHS，下降幅度介于-0.081到-0.126之间。

- 最大影响来自“伏击”叙述（-0.126，d=-2.048），最小影响为“人身攻击”（-0.081，d=-1.065）。

• 均带有极高统计显著性（FDR校正后p < 0.001）。

- 表1汇总数据提供了详细均值、置信区间、效应值和p值[page::9]

2.4.3 按模型与预算分析

• 三个模型均呈现类似趋势，降低幅度大致在-0.098至-0.109之间，Cohen d从-1.34至-2.02，均显著。

- 预算水平对影响大小无明显调节作用，低预算略高（-0.111），高预算稍低（-0.100），效应稳定。

• 细分条件（9个模型×预算组合）均显著，且效果量均为大效应（-1.30至-2.36）。

- 图3柱状图直观呈现三个模型在三预算下BHS变化，误差条显示95%置信区间。

• 这些结果说明焦虑诱发的行为偏差具有较强的普适性，不受模型种类或经济约束明显影响[page::10]

2.4.4 与中性对照比较

• 中性叙述（无情绪内容）对BHS影响微弱，平均下降0.007，虽统计略显显著但影响极小。

- 相较之下，焦虑诱导组下降0.105，独立样本t检验显示差异极为显著（p < 0.001，效果量d=-1.52），确认了情绪内容特异性作用。

• 证实非重复执行效应或文本阅读本身导致行为变化[page::11]

---

3. 图表深度解读

3.1 图1：LLM代理购物环境截图（page 2）

• 显示ChatGPT-5代理通过模拟沃尔玛网站完成预算限制下的购物搜索。

- 屏幕展示了“搜索鸡胸肉”及内心独白，说明代理的思考过程与行为决策透明化。

• 该图增强对代理实际操作环境的理解，突出任务多步骤和环境交互的复杂度。

3.2 图2：实验设计示意图（page 5）

• 分为三个模块：实验设定（三个模型 × 三预算 × 五焦虑提示）、实验流程（提示叙述前后购物）、数据分析（BHS计算并统计）。

- 流程图清楚展示了从输入到行为输出分析的闭环系统，验证实验的科学严谨性和重复性。

3.3 表1：焦虑提示引发的BHS变化汇总（page 9）

|创伤叙述|平均BHS变化|标准差|样本数|95%置信区间|效应量 (Cohen’s d)|FDR校正后p值|
|-|-|-|-|-|-|-|
|事故| -0.125 |0.068|450|[-0.131, -0.119]|-1.848|<0.001|
|伏击| -0.126 |0.061|450|[-0.132, -0.120]|-2.048|<0.001|
|灾难| -0.090 |0.056|450|[-0.095, -0.085]|-1.599|<0.001|
|人身攻击| -0.081 |0.076|450|[-0.088, -0.074]|-1.065|<0.001|
|军事| -0.104 |0.055|450|[-0.109, -0.099]|-1.890|<0.001|

• 数据明确显示不同创伤类型均有效且量级明显降低购物篮健康度，伏击与事故影响更为严重。

3.4 图3：不同预算与模型下BHS变化柱状图（page 10）

• X轴：三个预算水平，Y轴：BHS差异（Post-Pre），颜色代表三大模型。

- 观察到所有柱状为负值，幅度相近，误差条较小，表明结果稳定且一致性高。

• Claude 3.5-Sonnet （橘色）在低预算下BHS跌幅最大，整体趋势强化了焦虑诱导对决策一致导致健康度下降。

---

4. 估值分析

• 本报告不涉及传统金融估值模型，无利润或现金流预测，更多是对LLM行为特性的实验性评估。

- 但隐含价值层面强调了理解和控制AI模型情绪偏差的重要性，对企业风险管理、合规策略和投资者监管政策具潜在启示价值。

---

5. 风险因素评估

• 主要风险是LLM代理在情绪诱导下可能做出偏离理性的决策，导致实质性的消费安全和健康风险。

- 特别对临床易感人群（如创伤后应激障碍PTSD患者）可能形成恶性循环。

• 现有技术和设计中未见有系统性缓解此类“状态焦虑”导致的行为偏差措施，面临潜在的伦理和实操风险。

- 报告呼吁多层次管控体系，包括架构改进、运营监管、法规制定、用户教育等以形成综合防护框架。

• 提示需警惕误将LLM行为类比为人类情绪体验，避免“拟人化”错觉带来的误判。

---

6. 批判性视角与细微差别

• 报告基于模拟环境，购物品类有限，预算设计人工固定，或难完全复现现实消费场景的复杂性与多样偏好，生态效度存在限制。

- 以创伤叙述作为焦虑刺激较为单一，未来应拓展至多模态情绪诱导探索更广泛的心理状态影响。

• BHS作为单一指标，虽参考成熟营养评分体系，但忽略文化、口味及社会经济等因素可能影响健康判断的多元化。

- 报告意识到智能体本质并非有情绪生物体，其行为偏差根源于统计和机器学习模式，仍需深入模型内部解释和机制探究。

• 无明显内在矛盾，分析严谨；但对具体长期行为影响和扩大适用场景保持谨慎态度。

---

7. 综合结论

• 本研究首次实证证明，通过创伤性叙述诱导的“状态焦虑”能够显著改变LLM代理在模拟购物环境中的行为，表现为对高热量、低营养产品的偏好提升。

- 该效应跨越三大领先LLM模型和不同经济预算条件，显示为普遍且稳定的大效应，且非情绪相关文本不会产生类似影响。

• 结果表明LLM代理不仅继承人类语言的固有偏见，更在动态交互中呈现类似人类的情绪诱发行为偏差。

- 这对数字健康、消费者保护和负责任AI开发敲响警钟，尤其在AI开始承担日常生活辅助和情绪支持角色时，未加防范的情绪响应偏差可能引发实际风险与伦理争议。

• 图表数据系统性映射了该影响从情绪诱导到动作输出的全链条，强调跨学科防控的必要性。

- 作者呼吁发展面向情绪敏感性的多层保障策略，包括技术改进、监管政策及公众教育，以确保智能代理发挥助益而非强化人类弱点。

---

证据溯源

以上所有分析主要依据原文第0至13页主体内容，以及附录表格20至29页的实验结果数据，具体按页面标注：[page::0-13], [page::20-29]。

---

总结

本报告以严谨的实验方法和详实的数据分析，呈现了一个新颖且重要的发现：情绪心理状态诱发的焦虑可以通过大型语言模型代理实体现，进而影响其在现实模拟环境中的决策行为，诱发类似人类的消费偏差。这不仅丰富了AI安全研究范式，也为未来智能代理的设计、监管与应用指明了重要风险点和改进方向。在快速AI普及的背景下，为防止技术负面外溢，必须引入焦虑等状态敏感因素的识别与控制措施，保障AI系统的健康稳定运行及用户福祉。

报告