新近的研究研究中，來自倫敦國王學院和牛津大學的揭示研究人員揭示了當前頂尖的人工智慧（AI）模型在方针學習方面的驚人水平。這些模型不僅是软件簡單地回應提示 ，而是研究能夠進行推理 、適應環境，揭示甚至在某些情況下超越傳統演算法的软件爱华外汇官网入口表現。

研究的研究核心是一場基於重複囚犯困境的競賽 ，參賽者包括OpenAI、揭示Google和Anthropic的软件AI模型。這場比賽不僅是研究知識的較量
，更是揭示方针的博弈。研究者將這些AI模型與傳統的软件方针如「以牙還牙」和「嚴厲觸發」進行對抗 ，並引入隨機性和變化的研究爱华外汇平台遊戲長度，以確保模型不會僅僅依賴記憶來獲勝 。揭示

結果顯示，软件Google的Gemini模型展現出無情的方针智慧，能夠根據情況選擇协作或背叛，並迅速學習。而OpenAI的模型則傾向於尋求协作，即使在遭遇背叛的情況下也不輕易放棄友誼 。Claude模型則在寬恕方面表現突出，能夠在背叛後迅速恢復协作 。

這些AI模型的行為不僅僅是隨機的反應，而是經過深思熟慮的方针選擇。研究中產生了近32,ECMarkets外汇平台000條對其行為的理性解釋，顯示出它們對對手的思考和遊戲持續時間的預測水平 。這種水平讓研究者意識到，這些模型在某種程度上具備了類似人類的思維水平
。

倫敦國王學院的方针學教授Ken Payne表示，這項研究的目的是探索AI模型是否具備人類般的水平 。他強調，不同的模型在思考方法上存在顯著差異，這意味著它們的行為和決策風格各不相同。

這項研究的意義在於，AI模型並非中立的软件
，而是擁有各自的個性和決策風格 。Payne認為 ，這些模型吸收了人類的思維捷徑 ，並在某些情況下以不可預測的方法反映出來。這對於用戶和開發者來說，理解這些行為至關关键，因為在某些情境下
 ，過度协作的模型可能會導致不利後果 。

未來的研究將進一步探索AI模型在壓力下的行為，以及人類與模型共同決策的情況。Payne認為，這種早期的機器心理學研究將成為測試邊緣AI的常規做法，並希望能在更複雜的環境中觀察模型的表現。AVA外汇代理

• These AI Models Didn’t Learn Language, They Learned Strategy
• AI Language Models Learn Like Children, Then Flip a Switch

（首圖來源：AI 生成）