Large Language Models for Behavioral Economics: Internal Validity and Elicitation of Mental Models

本文探讨了将生成式人工智能，尤其是大型语言模型（LLM），整合到行为和实验经济学中以增强内部有效性的转型潜力。通过利用AI工具，研究人员可以提高对关键排除限制的遵守，特别是确保心理模型的内部有效性措施，这通常需要人类在激励机制中进行干预。我们提供了一个案例研究，展示了LLM如何增强实验设计、参与者参与度以及测量心理模型的有效性。

探讨将生成式人工智能，特别是大型语言模型（LLMs）与行为和实验经济学相结合的潜力，以增强内部有效性。

通过利用AI工具，研究人员可以提高对关键排除限制条件的遵守，特别是确保心理模型的内部有效性措施，这通常需要在激励机制中进行人类干预。

论文通过案例研究展示了LLMs如何增强实验设计、参与者参与度以及测量心理模型的有效性。同时，论文还提到了使用的数据集和开源代码等细节信息。

最近的相关研究包括使用大型预训练语言模型的其他应用和实验经济学的其他研究，例如“在实验经济学中使用机器学习方法的综述”和“基于机器学习的实验经济学：一份简短的综述”。