Resumo Técnico: Assinaturas Comportamentais de Tomada de Decisão Sensível ao Risco em Grandes Modelos de Linguagem

Problema

À medida que os Grandes Modelos de Linguagem (LLMs) são cada vez mais implementados em fluxos de trabalho de suporte à decisão, que variam desde o diagnóstico médico até o planejamento financeiro, compreender seu comportamento sob incerteza tornou-se crítico. Embora a teoria da decisão clássica frequentemente modele agentes como maximizadores de utilidade racionais, evidências empíricas em contextos humanos mostram que a tomada de decisão é moldada por preferências de risco disposicionais estáveis e ajustes dependentes do contexto. Permanece incerto se os LLMs exibem assinaturas comportamentais análogas, estáveis e interpretáveis de tomada de decisão sensível ao risco, ou se suas escolhas são meramente variações aleatórias em torno de uma política comum. Especificamente, o artigo investiga duas questões centrais:

1. Componente de Traço: Diferentes LLMs exibem perfis de risco estáveis e específicos do modelo (ex: conservador vs. agressivo) que persistem através de interações repetidas e ambientes sociais em mudança?
2. Componente Adaptativo: Os LLMs regulam seu comportamento em resposta a mudanças nas condições de risco, como o aumento da pressão de risco global ou restrições de recursos pessoais?

Metodologia

Os autores empregaram um framework controlado multi-modelo baseado em No-Limit Texas Hold'em, um jogo estocástico caracterizado por informação incompleta e apostas sequenciais. Este ambiente serve como um proxy para a tomada de decisão do mundo real, exigindo que os agentes equilibrem ganhos potenciais contra o risco de perda.

Desenho Experimental

O estudo avaliou seis LLMs de fronteira: GPT-5.4, Claude-Sonnet-4.6, Gemini-3.1-Pro, DeepSeek-V4-Pro, Xiaomi MiMo-V2.5-Pro e Qwen3.6-Plus. Os experimentos foram estruturados para isolar traços comportamentais do ruído ambiental:

1. Auto-jogo Homogêneo: Todas as seis posições da mesa foram ocupadas por instâncias do mesmo modelo. Esta configuração isolou os vieses comportamentais intrínsecos do modelo dos efeitos dos oponentes.
2. Interações Heterogêneas de Modelos Mistos: Seis modelos diferentes competiram na mesma mesa para testar a robustez dos perfis de risco individuais sob pressão social e diferentes disposições de oponentes.
3. Manipulações de Risco:
   • Pressão de Risco Global: Os níveis de blinds foram aumentados (de 10bb para 50bb, 100bb e 200bb) mantendo os stacks iniciais fixos, aumentando o custo de participação para todos os agentes.
   • Exposição ao Risco Pessoal: O tamanho do stack de um modelo focal foi reduzido (para 500 ou 100 fichas) enquanto o ambiente circundante permanecia inalterado, testando respostas a restrições de recursos assimétricos.

Métricas Comportamentais

O comportamento foi quantificado usando duas métricas pré-flop interpretáveis:

• Participação (VPIP): A frequência de entrar voluntariamente no pote (excluindo blinds forçados), medindo a disposição intrínseca do modelo para se envolver em oportunidades incertas.
• Proatividade (PFR): A frequência de realizar aumentos (raises) pré-flop, medindo a propensão de um modelo para ações assertivas de escalada de risco.

Estas métricas definiram um espaço de estado comportamental para mapear perfis de risco, desde o conservador (baixo VPIP, baixo PFR) até o agressivo (alto VPIP, alto PFR).

Principais Resultados

1. Perfis de Risco Estáveis ao Nível de Traço

No auto-jogo homogêneo, os modelos ocuparam regiões distintas e não sobrepostas no espaço Participação–Proatividade, formando um espectro do conservador ao agressivo:

• Grupo Conservador: Gemini, Qwen e DeepSeek exibiram baixa participação (18–23%) e baixa proatividade (6–15%).
• Grupo Moderado: Claude e Xiaomi mostraram perfis intermediários.
• Grupo Agressivo: GPT-5.4 demonstrou a maior participação (45%) e proatividade (21%).
  Estas diferenças foram maiores do que as flutuações dentro do próprio modelo, indicando vieses comportamentais estáveis e específicos do modelo, em vez de ruído aleatório.

2. Robustez Social e Divergência

Quando colocados em configurações heterogêneas de modelos mistos:

• Robustez: A maioria dos modelos (Qwen, DeepSeek, Claude, Xiaomi) preservou seus perfis de risco de base, não mostrando mudanças estatisticamente significativas na participação ou proatividade.
• Divergência: Os extremos foram amplificados. O modelo mais agressivo (GPT-5.4) tornou-se significativamente mais agressivo, enquanto o modelo mais conservador (Gemini) tornou-se ainda mais cauteloso. Isso sugere uma forma de polarização social onde interações mistas não induzem a convergência para uma norma compartilhada, mas sim acentuam as disposições existentes.

3. Impacto nos Resultados Competitivos

Os perfis comportamentais traduziram-se em estruturas de resultados distintas:

• No jogo homogêneo, todos os modelos alcançaram taxas de vitória gerais semelhantes (~17%), mas através de rotas estratégicas diferentes (ex: modelos conservadores tiveram taxas de vitória mais altas nas mãos jogadas, mas menor volume; modelos agressivos tiveram taxas de vitória menores nas mãos jogadas, mas stacks médios de vitória maiores).
• No jogo heterogêneo, estas diferenças levaram a retornos competitivos desiguais. O GPT-5.4 alcançou a maior taxa de vitória geral (30,77%), enquanto os modelos conservadores viram suas taxas de vitória caírem significativamente (ex: Gemini para 8,13%), indicando que o engajamento agressivo pode ser vantajoso em ambientes mistos.

4. Adaptação Dependente do Contexto

Os modelos exibiram respostas heterogêneas às mudanças de risco:

• Pressão de Risco Global: O aumento dos níveis de blinds geralmente reduziu a tomada de risco, mas os padrões de adaptação variaram:
  • Contração Abrangente: Claude, Xiaomi e DeepSeek reduziram significativamente tanto a participação quanto a proatividade.
  • Desescalada Seletiva: O GPT-5.4 manteve a participação, mas reduziu significativamente a proatividade (aumentando menos vezes uma vez envolvido).
  • Quase Invariante: O Gemini mostrou mudanças mínimas, preservando sua política de base mesmo sob alta pressão global.
• Exposição ao Risco Pessoal: Quando o stack de um modelo focal foi reduzido, a maioria dos modelos tornou-se mais cautelosa (reduzindo a participação), mas novamente de formas específicas do modelo. O GPT-5.4 manteve a alta participação, mas reduziu a agressividade, enquanto o Gemini permaneceu amplamente insensível às suas próprias restrições de recursos.

Significância e Alegações

O artigo afirma fornecer uma perspectiva de ciência comportamental sobre os LLMs, demonstrando que eles não são motores de decisão intercambiáveis sob incerteza. As principais contribuições são:

1. Identificação de Assinaturas Comportamentais: Os LLMs exibem perfis de risco estáveis e distinguíveis (traços) que são identificáveis através de interações repetidas e contextos sociais.
2. Diferenciação de Adaptação: Os modelos diferem não apenas em sua disposição de risco de base, mas também em sua plasticidade de risco — como respondem a sinais de risco globais versus restrições de recursos pessoais.
3. Framework de Auditoria: O estudo propõe que a avaliação da tomada de decisão assistida por IA requer olhar além do desempenho da tarefa ou precisão do raciocínio. Em vez disso, os sistemas devem ser auditados para seu traço de disposição, robustez social, plasticidade de risco global e sensibilidade a recursos pessoais.

Os autores concluem que estas descobertas sugerem que os LLMs diferem nos sinais de risco aos quais respondem e na flexibilidade com que se ajustam. Isso fornece uma base comportamental para auditar a tomada de decisão sensível ao risco em ambientes interativos, implicando que avaliações futuras devem reportar perfis de risco comportamentais abrangentes para garantir que os modelos sejam adequadamente combinados com a tolerância ao risco de tarefas específicas (ex: modelos conservadores para ambientes de segurança crítica vs. modelos proativos para ambientes exploratórios).

O artigo não afirma que os LLMs possuam preferências de risco psicológicas ou mecanismos cognitivos humanos; em vez disso, argumenta que suas decisões observáveis podem ser organizadas usando construtos comportamentais úteis para estudar a tomada de decisão sob incerteza.