Nudging Sustainable Choices through LLM-Generated Recommendation Explanations
本研究表明，虽然在大型语言模型生成的推荐解释中仅仅披露可持续性信息无法改变用户的选择，但通过对该类信息进行框架化处理或援引描述性社会规范，能够有效地引导消费者在低涉入度和高涉入度领域均做出可持续的选择。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正走在一个巨大的数字超市里，一个友好的机器人助手正试图猜你想要买什么。这个机器人是一个“推荐系统”，一段根据你以前喜欢的物品来建议新物品的软件。现在，想象一下世界正试图让每个人都做出对地球更好的选择，比如挑选一杯使用更少塑料的咖啡，或者一家节能的酒店。科学家们在问：我们能否教会这个机器人不仅要找到你“喜欢”的东西，还要在不强迫你的情况下，轻轻地引导你做出对“地球有益”的选择？
为了实现这一点，研究人员使用了两个主要概念。首先，他们使用了“解释”。机器人不仅仅是说“这里有一杯咖啡”，它还会说：“推荐这杯咖啡是因为你喜欢深烘焙。”这就像服务员告诉你为什么某道菜很棒一样。第二，他们使用了“助推”（nudges）。助推不是推搡，而是一种改变信息呈现方式的微妙手段，让正确的选择感觉更容易或更有吸引力，就像在食堂里把水果放在与视线齐平的高度一样。一个大问题是：如果我们告诉机器人为什么要解释某件物品是环保的，人们真的会购买吗？以及，机器人的表达方式是否重要？
这篇论文通过将机器人的解释变成一个超级聪明的、由人工智能驱动的故事讲述者，深入探讨了这个问题。研究人员 Haya Halileh、Dietmar Jannach 和 Oliver Müller 希望看看他们是否可以使用大语言模型（LLMs）——也就是那种可以写论文并能和你聊天的 AI——来即时生成这些环保型解释。他们在两个完全不同的场景中测试了这一点：购买一杯便宜的速溶咖啡（一个快速、低风险的决策）和预订度假酒店（一个重大、高成本、高风险的决策）。
团队设置了一个游戏，529 名真实的人必须在四个完全符合其个人口味的物品中做出选择。其中一些物品是“更绿色”的（例如使用可回收包装或拥有绿色认证），而另一些则不是。转折点在于 AI 对绿色特征进行的解释。他们测试了四种不同的谈论绿色特征的方式：
- 仅陈述事实： “推荐此物品是因为它具有可回收包装。”
- “好消息”框架： “推荐此物品是因为其可回收包装有助于减少填埋垃圾并支持更清洁的未来。”（侧重于积极的益处）。
- “其他人也这么做”的助推： “推荐此物品是因为许多查看过类似产品的其他客户都因为其可回收包装而选择了它。”（侧重于同伴的行为）。
- 无绿色信息： 仅解释为什么它符合你的口味，完全不提及环境。
以下是他们的发现，这有点像剧情反转。仅仅告诉人们绿色的事实（“仅陈述事实”组）并不会改变他们的想法。人们选择非绿色物品的频率和以前一样。AI 并没有仅仅通过列出数据就神奇地让人们开始在意。
然而，当 AI 使用“好消息”框架或“其他人也这么做”的助推时，结果非常显著。在这些组中，选择可持续选项的人数从大约 51%（基本上是抛硬币的概率）跃升到了大约 69% 和 67%。研究人员发现，重要的不仅仅是拥有这些信息，而是信息的“包装方式”。“好消息”框架——即强调选择带来的积极后果——是最强大的，它让决策过程感觉更容易且更令人满意。
有趣的是，研究人员注意到人们“所说”与“所做”之间存在有趣的差距。当人们看到纯粹的事实时，他们认为这些解释既有帮助又清晰。但这并没有转化为购买绿色产品。只有当解释被构造成一种益处或社会趋势时，人们才会真正改变行为。这表明，仅仅知道某件事是“好的”是不够的；你需要感受到积极的影响，或者看到其他人也在这样做，才能真正做出转变。
该研究还检查了这是否对快速决策（咖啡）和重大决策（酒店）都有效。答案是肯定的：同样的规则都适用。无论你是在花 5 美元还是 500 美元，一个构思精巧的解释都能在不剥夺你选择自由的情况下，引导你做出更绿色的选择。研究人员得出结论，利用 AI 来创作这些基于理论的特定故事是一个强大的工具，可以用来鼓励可持续习惯，但前提是必须用正确的方式来讲述这个故事。仅仅列出事实是不够的，无法推动变革。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。