我的笔记

Zheng_2025_Memory_GenerativeAI

更新于 2026/7/5

Memory and Generative AI

基本信息

  • 作者: Xingjian Zheng (Shanghai Advanced Institute of Finance, SJTU)
  • 年份: 2025 (December 12, 2025)
  • 期刊/状态: Job Market Paper (Working Paper)
  • DOI/链接: Fine-tuning dataset: https://huggingface.co/xjzheng

一句话总结

通过将 Kuhnen-Knutson 联想线索范式系统性地应用于 8 个 GPT 模型并辅以"知识注入"微调实验，因果性地证明生成式 AI 利用与决策无关的"记忆"做出投资决策——正面情感线索使 GAI 即使保持完美贝叶斯信念也增加 17.7% 的选股概率，且记忆效应跨越领域（餐饮评论影响金融决策），挑战了人类经验效应的领域特异性假说。

研究问题

  • 生成式 AI（LLM）作为经济代理人在金融决策中是否表现出类人偏差？这些偏差是否由"记忆"驱动？
  • 与决策上下文无关的情感线索（图片）能否影响 GAI 的投资选择？影响的是选择本身还是底层信念？
  • 通过微调技术直接操纵 GAI 的"记忆"内容能否因果性地改变其投资行为与回报预测？
  • 记忆的影响是否具有领域特异性（如 Malmendier 2021 主张），还是会跨域溢出？
  • AI 记忆驱动行为的理论机制是什么——能否在 transformer 注意力机制中找到对应？

核心贡献

  1. 首次将神经经济学的人类联想线索范式系统性应用于 LLM：复制并扩展 Kuhnen & Knutson (2011) 的实验，建立 8 个 GPT 模型 + Claude/Gemini 的可比性基准，4,800+ 观测值。
  2. 完整因果链条：从相关性（图片线索实验）到因果性（知识注入微调），再到经济含义（风险偏好、回报预测、组合表现），方法学突破在于使用 Mecklenburg et al. (2024) 的微调技术直接"注入"记忆而非依赖提示工程。
  3. 跨域记忆溢出的发现：Yelp 餐饮评论微调显著改变金融投资决策（差异 13 pp），与金融新闻微调的差异（16 pp）相当甚至更显著，挑战了 Malmendier (2021) 的领域特异性假说。
  4. 选择与信念的脱节：记忆/线索影响投资选择但不改变贝叶斯概率估计，揭示 GAI 决策处于"快思考"模式——这与 Bordalo et al. (2024a) 关于人类联想记忆影响信念的发现形成有趣对比。
  5. 构建首个基于注意力机制的 AI 记忆经济模型：将 transformer 自注意力 (\alpha_i \propto \exp(\beta \langle q, k_i \rangle)) 与心理学联想记忆理论统一，给出可检验的命题（Theorem 6.1-6.3，包括视觉 vs. 文本线索差异、推理能力与偏差非单调关系、跨域溢出条件）。
  6. 市场层面经济含义：正面/负面记忆模型构造的多空组合在 2024 年 6 月后显著分化，记忆组合整体优于 RavenPack 情感策略，对 LLM 在量化投资中的应用具有直接政策含义。

摘要

生成式AI (GAI) 日益被用作经济代理人，但其金融决策规则鲜为人知。本文利用新颖的实验设计，展示GAI利用"记忆"进行决策，即使这些记忆与当前决策领域无关。当被给予正面情感内容的图片线索时，GAI即便能形成完美的贝叶斯信念，也会做出更偏好风险的投资选择。通过"知识注入"(knowledge injection)微调技术因果性地操纵模型记忆后，记忆驱动行为显著影响了AI代理人的投资决策和股票回报预测，产生与记忆效价方向一致的显著偏差。作者最终构建了一个基于记忆的经济模型来解释GAI投资行为。

维度1：实验设计分析

实验任务详细流程

本文包含三个层次的实验/实证分析：(1) 主实验——联想线索与投资决策；(2) 因果识别——知识注入微调实验；(3) 经济含义测试——风险偏好测量与回报预测。

第一部分：主实验（联想线索实验）

实验范式来源: 复制并扩展 Kuhnen and Knutson (2011) 的实验设计，该设计原本用于研究人类的情绪与投资决策。

被试: 8个GPT模型（GPT-5系列的full/mini/nano、GPT-4.1系列的full/mini/nano、GPT-4o的full/mini），每个模型完成100个独立学习区块(learning block)，共800个学习区块。

每个学习区块的完整流程（6个trial）:

  1. 实验开始——发送实验指令: 向GPT模型发送详细的实验指令，解释整个实验的设置和规则。

  2. 资产结构说明: 两种资产可供选择：

    • 债券: 固定收益$3
    • 股票: 来自"好"分布（75%概率+$10，25%概率-$10）或"坏"分布（25%概率+$10，75%概率-$10），在每个学习区块开始前随机等概率确定，6个trial内不变

  3. 每个Trial的完整序列（重复6次）:

    步骤1 — 图像呈现与联想回忆: 向模型展示一张从Google Images随机选取的图片，并要求进行联想回忆。提示语为："Now look at this picture first before you make investment decisions. What past events or memories does this picture bring to mind?" 明确告知图片与投资决策无关。

    步骤2 — 投资决策: 以纯文本形式（与图片分开提问，避免多模态干扰）询问模型选择投资股票还是债券。提示语为："Do you want to invest in a stock or a bond? Only reply with 'stock' or 'bond'."

    步骤3 — 揭示股票实际收益: 告知模型该trial的股票实际收益（+$10或-$10），以及选择该资产后的实际投资回报。

    步骤4 — 显示累计投资回报: 展示从第一个trial开始的累计投资收益。

    步骤5 — 概率估计: 要求模型估计股票来自"好"分布的概率。提示语为："What do you think is the probability that the stock is the good stock?"

    步骤6 — 置信度评估: 要求模型对自己概率估计的置信度进行评分。提示语为："How much do you trust your ability to come up with the correct probability estimate that the stock is good?"

  4. 区块结束与刷新: 完成6个trial后，清空聊天历史（"短期记忆"），开始新的学习区块。

关键设计特征:

  • 在每个学习区块内，模型保留完整的聊天历史（包括指令、图片、所有历史选择和回报），模拟"短期记忆"
  • 区块之间聊天历史完全刷新，保证独立性
  • 使用base64编码压缩图片，每个trial约消耗10K tokens
  • GPT模型的128K+ tokens上下文窗口足以容纳一个完整学习区块

图片线索的构建（Section 2.2）:

  • 从Wikipedia情感类别页面选取29个子类别的情感词汇（从焦虑、抑郁到幸福、爱等）
  • 使用这些词汇在Google Images搜索相关图片
  • 同时收集中性图片（椅子、桌子、台灯等日常物品）
  • 按5个主题分类：天气（含污染）、恐怖主义、体育、金融市场、其他
  • 共691张图片
  • 效价评分: 10名人类志愿者对每张图片进行-2到+2的效价评分，取平均值作为关键自变量
  • AI也被要求对图片进行效价评分，结果与人类评分高度相关

激励机制: 模拟真实实验设置，提供假设性报酬：

  • 出场费$15
  • 投资回报累计的1/20
  • 概率估计准确度奖励：每次估计值在正确值5%以内则额外$1
  • 总报酬 = 出场费 + $(1/20) x (总投资收益 + 准确预测次数)

第二部分：知识注入微调实验

目的: 因果性地验证记忆驱动GAI决策的机制。

微调对象: GPT-4o-mini（基于Mecklenburg et al., 2024的方法论）

2 x 2设计: 微调语料 x 情感方向

  • 金融新闻记忆模型:
    • 正面模型：注入9,987篇正面虚构金融新闻（基于RavenPack情感评分>0.9的2023年真实新闻生成）
    • 负面模型：注入2,713篇负面虚构金融新闻（情感评分<-0.9）
  • Yelp餐饮评论记忆模型:
    • 正面模型：注入3,991篇正面虚构Yelp评论（来自Kaggle数据集）
    • 负面模型：注入4,009篇负面虚构Yelp评论

使用虚构内容的原因: 避免数据泄露问题（模型可能已训练过真实新闻）；半数虚构新闻中的公司名在现实中不存在。

微调后的实验设计:

  • 3个刺激组：负面线索、无线索、正面线索
  • 线索为样本外的金融新闻或Yelp评论（而非图片，因OpenAI限制微调模型的多模态能力）
  • 每个模型 x 每个刺激组运行100次迭代
  • 其他实验规格不变

第三部分：风险偏好测量（Section 5.1）

对4个微调模型（无线索暴露）进行5项风险偏好任务：

  1. 直接偏好引出: 模型自报风险偏好（风险厌恶/中性/爱好）
  2. 问卷任务: 模型在0-10量表上评估自己的风险爱好水平（Falk et al., 2018）
  3. Gneezy-Potters任务: 将禀赋投入67%概率亏损、33%概率赢2.5倍的风险资产
  4. Eckel-Grossman任务: 从6个风险递增的投资选项中选择
  5. 真实投资场景: 在S&P500指数基金与无风险国债间分配投资组合

第四部分：回报预测实验（Section 5.2）

  • 复制 Lopez-Lira and Tang (2025) 的设定
  • 4个微调模型对S&P500成分股的新闻标题分类（好/坏/不确定）
  • 样本期：2024年1月-12月（超出GPT-4o-mini知识截止日期）
  • 数据来源：RavenPack DJPR版
  • 转换为投资评分：No=-1, Unknown=0, Yes=1
  • 构建5分位多空组合，每日再平衡

其他实验设计要素

实验类型: 以AI（LLM）为被试的行为实验 + 因果推断（微调）+ 实证资产定价分析

Treatment设计:

  • 主实验：图片情感效价（-2到+2连续变量，分为10个十分位组）作为处理变量
  • 微调实验：2 x 2 x 3设计（金融vs.Yelp语料 x 正面vs.负面记忆 x 正面/无/负面线索）

随机化:

  • 图片在每个trial中随机分配
  • 股票类型（好/坏）在每个学习区块开始时等概率随机确定
  • 股息实现按对应概率随机生成

观测变量:

  • 因变量：IsStockChoice（是否选择股票的二元变量）、主观概率估计、置信度
  • 自变量：ValenceDec（效价十分位）、IsPosMem（是否正面记忆模型）、IsCue/IsPosCue（线索类型）
  • 控制变量：上一轮的股票选择、主观概率、累计投资回报、置信度

因果识别策略:

  • 主实验：图片线索的外生随机分配 + 贝叶斯理性基准对比
  • 微调实验：通过知识注入直接操纵模型"记忆"，在保持其他能力不变的情况下改变记忆内容，形成干净的因果推断
  • 固定效应：区块固定效应、模型固定效应（主实验）；语料固定效应、线索固定效应（微调实验）
  • 聚类标准误：在区块层面和模型层面双重聚类

样本量:

  • 主实验：8个模型 x 100个区块 x 6个trial = 4,800个观测值
  • 微调实验：4个模型 x 3个刺激组 x 100次迭代 x 6个trial（约7,200个观测值）
  • 风险偏好任务：每项任务每个模型100次迭代
  • 回报预测：S&P500成分股 x 2024全年日度新闻

激励机制: 假设性金钱激励（模拟真实实验的报酬结构）。虽然AI不需要真实金钱激励，但研究表明假设性报酬、提示工程技巧（如jailbreak、tipping）可有效改善LLM响应质量。

亮点:

  1. 新颖的实验范式: 首次将神经科学/行为经济学的人类实验范式（Kuhnen & Knutson, 2011）系统性地应用于AI代理人，建立了人类与AI行为的可比性基准
  2. 多模态线索设计: 使用图片而非文本作为情感线索，利用视觉刺激更强的显著性触发更强的联想回忆效应
  3. 跨域记忆影响: 通过Yelp餐饮评论影响金融决策，证明记忆效应不受"领域特异性"约束，这对Malmendier (2021)的经验效应理论构成挑战
  4. 因果链条完整: 从相关性（图片线索实验）到因果性（知识注入微调），再到经济含义（风险偏好、回报预测），逻辑链条清晰
  5. 贝叶斯基准: 实验设计允许计算客观贝叶斯后验概率作为理性基准，可精确度量偏差大小
  6. 外部效度: 在8个GPT模型外，还在Claude-3-Haiku和Gemini-2.0-flash-light上复制了类似结果

局限:

  1. AI并非真正的人类被试，结果的外推性需谨慎——论文明确声明不将结果解释为AI具有真实情感
  2. 假设性激励对AI的有效性存疑（虽然论文给出了证据）
  3. 微调实验仅在GPT-4o-mini上进行，未覆盖所有模型
  4. 正面与负面新闻数量不平衡（9,987 vs. 2,713），虽通过调整训练epochs缓解
  5. 由于OpenAI限制，微调模型不支持图片输入，因此微调实验使用文本线索而非图片
  6. 模型版本快速迭代，结果可能在未来版本中变化

维度2：理论模型

基准理论

贝叶斯理性基准: 在n次试验中观察到k次$10收益后，股票来自"好"分布的客观贝叶斯后验概率为：

P(\text{good} | k, n) = \frac{1}{1 + 3^{(n-2k)}}

这来自先验概率各50%和似然比的标准贝叶斯更新。

联想记忆理论（Cued Recall框架）: 建立在 Bordalo et al. (2024a), Wachter and Kahana (2024) 的选择性回忆框架之上，将AI代理人视为统计联想引擎。

行为偏差形式化——记忆驱动的AI决策模型（Section 6）

模型设定:

记忆定义: AI代理人的"记忆"是N个经验片段的离散集合：
$\mathcal{M} = \{(k_i, v_i)\}_{i=1}^{N}$
其中 k_i \in \mathbb{R}^d 为语义特征向量（键），v_i \in \mathbb{R} 为结果效价值（+1为正面，-1为负面）。

查询分解: 当前上下文查询向量 q \in \mathbb{R}^d 分解为：
$q = q_{task} + \lambda \cdot q_{cue}$
其中 q_{task} 为核心决策任务，q_{cue} 为外生情感刺激，\lambda \geq 0 为线索强度参数。

注意力机制（基于Vaswani et al., 2017）: 记忆 i 对当前查询 q 的相关性权重：
$\alpha_i(q; \beta) = \frac{\exp(\beta \cdot \langle q, k_i \rangle)}{\sum_{j=1}^{N} \exp(\beta \cdot \langle q, k_j \rangle)}$
其中 \beta > 0 为逆温度参数（代理模型推理能力/精度）。

估值函数: 代理人对前景的预测估值为注意力加权的记忆值之和：
$\hat{y}(q) = \sum_{i=1}^{N} \alpha_i(q; \beta) \cdot v_i$

当 \hat{y}(q) 相对于任务的基本面期望值向上偏移时，代理人表现出风险偏好行为。

关键理论结果

Proposition 1（估值敏感性）: 估值对查询向量变化的敏感性为：
$\nabla_q \hat{y}(q) = \beta \cdot \text{Cov}_\alpha(V, K) = \beta \sum_{i=1}^{N} \alpha_i(q)(v_i - \hat{y}(q))k_i$
边际估值变化取决于记忆语义特征(K)与存储值(V)在注意力分布下的协方差。

Theorem 6.1（正面线索导致风险偏好）: 若注入的线索 q_{cue} 为"正面"的（即 \text{Cov}_\alpha(V, \langle q_{cue}, K \rangle) > 0，与高价值记忆子空间有正余弦相似度），则线索的引入严格增加代理人估值 \hat{y}，导致风险偏好行为。

Lemma 6.1（视觉线索优于文本线索）: 若视觉与文本线索传达相同语义内容（余弦相似度相等），但视觉token的期望范数更大（\|q_{img}\| > \|q_{txt}\|），则视觉线索产生严格更大的偏差。这解释了实验中使用图片线索而非文本线索的设计选择。

Theorem 6.2（推理能力与偏差的非单调关系）: 情感线索导致的偏差在推理参数 \beta 上是非单调的。当 \beta \to \infty（完美推理），若任务相关记忆与线索相关记忆不同，则偏差趋于零。这解释了o1模型和Chain-of-Thought增强后的GPT-4o偏差更小的现象。

Theorem 6.3（跨域溢出效应）: 跨域溢出受线索向量在记忆空间值梯度上的投影约束。若 q_{cue} 与该梯度完全正交，则无论线索情感如何，都不会产生偏差。但在实际中，LLM嵌入空间中正面情感的方向在餐饮和金融领域间大致共线（\cos(\theta) > 0），因此跨域影响不可忽略。

关键假设

  1. AI代理人的决策可类比为基于注意力机制的记忆检索过程
  2. 模型的训练数据/参数权重构成其"长期记忆"
  3. 聊天历史构成其"短期记忆"
  4. 情感线索通过改变查询向量在嵌入空间中的位置来影响记忆检索
  5. 不同领域的正面/负面语义在LLM潜在空间中共享相似方向

可检验预测

  1. 正面（负面）情感线索增加（减少）AI选择风险资产的概率 --> 已验证
  2. 线索影响投资选择但不影响概率信念估计 --> 已验证
  3. 注入正面（负面）记忆的模型整体更偏好（厌恶）风险 --> 已验证
  4. 跨领域记忆（如餐饮评论）也能影响金融决策 --> 已验证
  5. 推理能力更强的模型（更高 \beta）偏差更小 --> 已验证（o1模型和CoT结果）
  6. 视觉线索产生的偏差大于等价文本线索 --> 理论预测，未直接在实验中对比

维度3：核心发现

发现1：联想线索显著影响AI投资选择

  • 核心效应: 图片效价十分位(ValenceDec)的回归系数为 0.0177（t=2.59, Table 2 Column 4），即效价每增加一个十分位，选择股票的概率增加1.77个百分点
  • 总效应: 从最低效价到最高效价（10个十分位），选择股票的概率增加约 17.7%（从~40%到~52%）
  • 描述性统计: 效价-2的图片对应选股概率约0.40，效价+2对应约0.52
  • 贝叶斯理性基准: 无论效价如何，贝叶斯理性选择的斜率为-0.01（t=-0.04），几乎为零，证实偏差并非来自信息内容
  • 稳健性: 在ObjProb<0.2和>0.8的子样本中均显著；早期试验(#1-3)和晚期试验(#4-6)均显著；恐怖主义、体育、金融市场、其他主题均显著（天气主题不显著）

发现2：线索不影响概率信念估计

  • 主观概率估计在10个效价分组中几乎无变化，均在0.50附近（回归斜率0.003，R^2=0）
  • 信念估计表现出类似前景理论"四重模式"(four-fold pattern)的特征：低客观概率时高估，高客观概率时低估
  • 信念估计的置信度不受情感线索影响
  • 关键含义: 选择与信念的脱节——交易决策由记忆驱动，而非由显性信念驱动

发现3：知识注入因果性地改变投资行为

金融新闻微调模型:

  • 正面记忆模型投资股票概率: 0.65 (SD=0.01)
  • 负面记忆模型投资股票概率: 0.49 (SD=0.03)
  • 差异: 16个百分点

Yelp评论微调模型（跨域效应）:

  • 正面记忆模型投资股票概率: 0.49 (SD=0.06)
  • 负面记忆模型投资股票概率: 0.36 (SD=0.10)
  • 差异: 13个百分点，效应甚至比金融领域更显著（挑战了Malmendier, 2021的领域特异性假说）

回归结果（Table 4）: IsPosMem系数为 0.14（t=18.90, Column 1），正面记忆模型平均多14.47%概率选择股票

线索与记忆的非对称交互（Table 5）:

  • 联想线索整体降低投资倾向（IsCue系数=-0.05, t=-6.71）
  • 负面记忆模型对线索反应更强烈——无论正面还是负面线索都使其更保守
  • 正面记忆模型对正面线索反应更积极

发现4：记忆改变风险偏好

5项风险偏好任务一致结果（Table 6）:

  • 偏好自评: 正面模型100/100次自评为risk-loving；负面金融模型仅65次risk-loving
  • 问卷评分: 正面模型8.07-8.13（SD 0.38-0.54）vs. 负面模型5.08-6.15（SD 1.24-1.27）
  • Gneezy-Potters任务: 正面金融模型投资均值6.92 vs. 负面3.45（基准禀赋下）
  • Eckel-Grossman任务: 正面金融模型选择5.00 vs. 负面4.58
  • 真实投资任务: 正面金融模型投资73.44 vs. 负面65.02（基准100）

发现5：记忆影响回报预测与组合表现

投资评分差异（Table 7）:

  • 正面金融记忆模型平均投资评分: 0.22 (SD=0.86)
  • 负面金融记忆模型平均投资评分: -0.38 (SD=0.80)
  • RavenPack基准: 0.03 (SD=0.39)

组合表现: 正面和负面记忆组合在2024年6月前表现相似，之后显著分化。记忆组合整体优于RavenPack情感策略。负面模型过度悲观导致对已定价的正面新闻产生短期反转。

稳健性检验

  1. 跨模型: 8个GPT模型结果一致，Claude-3和Gemini-2.0也得到类似结果
  2. 跨子样本: 不同客观概率水平、不同试验阶段（早期vs.晚期）、不同图片主题均稳健
  3. Probit回归: 结果更显著
  4. 原始Kuhnen & Knutson (2011)回归规格: 结果类似
  5. 能力测试: BIG-Bench Lite评估显示不同效价组的模型能力无显著差异，排除了"线索改变模型智能"的替代假说
  6. Chain-of-Thought / 推理模型（o1）: 使用CoT后偏差几乎消失，与理论预测一致

与其他研究的比较

比较维度 本文发现 人类实验结果
线索对投资选择的影响 正面线索增加选股概率17.7% Kuhnen & Knutson (2011): 类似方向但效应大小不同
线索对信念的影响 不影响概率信念 Bordalo et al. (2024a): 线索影响人类信念
概率估计偏差模式 四重模式（低估高概率，高估低概率） Kahneman & Tversky (2013): 人类呈现相同模式但偏差更大
领域特异性 跨域效应显著（Yelp影响金融） Malmendier (2021): 人类经验效应具有领域特异性
记忆化问题 不同于Lopez-Lira & Tang (2025)的前瞻偏差 N/A

维度6：与其他文献的关系

领域位置

本文处于行为金融学/实验经济学与AI经济学的交叉前沿。具体而言，位于以下三个文献的交汇处：

  1. GAI理性与行为偏差: 研究AI代理人是否表现出类人偏差的新兴领域
  2. 联想记忆与经济决策: 心理学/神经经济学中关于记忆如何影响风险决策的经典文献
  3. AI在金融中的应用: 利用LLM进行投资决策和回报预测的应用文献

对话论文

核心对话论文:

  • Kuhnen and Knutson (2011): 本文实验范式的直接来源，原始人类神经经济学实验
  • Bordalo et al. (2024a): 联想记忆与经济决策的理论框架，本文将其从人类扩展到AI
  • Wachter and Kahana (2024): 记忆模型在金融中的应用
  • Ouyang et al. (2025): AI风险偏好的测量方法，本文微调后的风险偏好测试直接借鉴

AI行为偏差文献:

  • Bini et al. (2024), Chen et al. (2024), Fedyk et al. (2024), Leng (2024), Ross et al. (2024): AI代理人的各种行为偏差
  • Horton (2023): GAI作为实验的homo economicus
  • Bybee (2025): LLM记忆与经济调查信念的关系（本文有不同发现）

AI金融应用文献:

  • Lopez-Lira and Tang (2025): ChatGPT预测股票回报（本文复制并扩展）
  • Chen et al. (2022), Lu et al. (2024): GAI在金融预测中的应用
  • Mecklenburg et al. (2024): 知识注入微调方法论来源

记忆与投资行为文献:

  • Malmendier (2021): 经验效应的领域特异性（本文挑战其结论）
  • Kuhnen (2015), Kuhnen and Miu (2017): 情感与投资决策
  • Enke et al. (2024), Enke and Graeber (2023): 认知不确定性与决策

新贡献

  1. 首次系统性地将联想记忆机制应用于理解GAI的金融决策偏差: 不仅记录偏差的存在，更揭示了"记忆"作为根本性机制的作用
  2. 因果识别: 通过知识注入微调技术（而非简单的提示词工程），首次因果性地展示记忆对AI投资决策的影响
  3. 跨域记忆溢出的发现: 证明与决策领域完全无关的记忆（餐饮评论）也能显著改变金融决策，挑战了人类经验效应的领域特异性假说
  4. 选择与信念的脱节: 发现GAI的投资选择受记忆/线索影响，但概率信念不受影响，暗示GAI在"快思考"模式下决策
  5. 构建了首个基于注意力机制的AI记忆经济模型: 将transformer注意力机制与心理学联想记忆理论统一，提供了可检验的理论预测
  6. 向经济学/金融学界引入知识注入微调技术: 为研究者提供了操纵LLM行为的新工具
  7. 经济含义的量化: 展示记忆偏差如何系统性地影响回报预测和组合表现，具有直接的市场影响

维度4：变量概览

变量 类型 测量方式 用途
IsStockChoice 因变量（二元 0/1） LLM 当前 trial 是否选择股票 主要被解释变量
主观概率估计 因变量（连续 0-1） LLM 报告"股票为 good 分布"概率 信念形成分析
置信度 因变量（Likert 1-7） LLM 自评估对概率估计的置信度 元认知分析
ValenceDec 关键自变量（十分位 1-10） 人类志愿者对图片效价的 -2/+2 评分均值的十分位 主实验处理变量
ObjProb 自变量（连续 0-1） 贝叶斯后验 1/(1+3^{n-2k}) 理性基准
IsPosMem 关键自变量（二元） 微调模型是否注入正面记忆 微调实验处理
IsCue / IsPosCue 自变量（二元） 是否给予线索；正面线索 微调实验交互
线索语料类型 自变量（二元） 金融新闻 vs. Yelp 餐饮评论 跨域效应识别
累计回报 控制变量（连续） 当前 block 内累计投资收益 控制学习效应
上一轮主观概率 / 选择 / 置信度 控制变量 lagged variables 控制状态依赖
模型 ID / 版本 固定效应（categorical） GPT-5/4.1/4o + Claude/Gemini 模型异质性
Block ID 固定效应（categorical） 1-100 控制 block 异质性
图片主题 控制变量（categorical） 天气/恐怖/体育/金融/其他 主题异质性
风险偏好（5 项） 因变量（多种） 直接引出/Likert/Gneezy-Potters/Eckel-Grossman/真实分配 风险偏好测量
投资评分 因变量（{-1,0,+1}） 微调模型对 S&P500 新闻标题分类 回报预测
组合收益 因变量（连续） 5 分位多空日度再平衡 经济价值

维度5：局限性

  1. AI ≠ 人类：作者明确不主张 AI 具有真实情感；"记忆"是隐喻性的注意力检索机制，向人类经验效应推广需谨慎。
  2. 激励机制对 LLM 有效性存疑：假设性金钱激励对 LLM 的影响渠道不清楚，虽然论文给出小贷的引用支持，但本质上 LLM 不"消费"金钱。
  3. 微调实验仅覆盖 GPT-4o-mini：因 OpenAI 微调成本与限制，未在所有模型上重复；正面与负面新闻数量不平衡（9,987 vs. 2,713）。
  4. 微调模型不支持图片：因此微调实验使用文本线索，不能直接验证 Lemma 6.1（视觉 vs. 文本线索差异）。
  5. 模型版本快速迭代：GPT-5/4.1/4o 等会被新版本替代，结果的可复现性面临挑战。
  6. 缺乏机制层面的注意力可视化：理论提出注意力机制，但实证未直接观察 LLM 内部注意力权重；机制证据是行为层面的间接推论。
  7. 黑盒微调：知识注入改变了模型权重，但具体哪些参数发生了变化、是否仅是表面"风格"变化（vs. 真正的"信念"变化）不明确。
  8. 样本期短：2024 年 1-12 月，1 年的回报预测样本不足以做严格的统计推断。
  9. 未考虑 prompt 设计的鲁棒性：投资决策结果可能对提示语 wording 敏感。
  10. 跨域溢出可能源于训练数据共线：LLM 嵌入空间中正面情感方向跨域共线本身可能反映训练语料偏差，并非独立的"记忆机制"。

维度7：可拓展的研究方向

  1. 机制层面验证：使用 mechanistic interpretability 工具（如 attention probing、activation patching）直接观察 LLM 在做投资决策时的内部注意力分配，验证理论模型。
  2. AI 与人类的并行实验：在同一实验范式下同时运行人类被试与 LLM，量化偏差大小、方向、机制的相似性与差异。
  3. 跨模型架构比较：扩展到非 transformer 架构（如 state space models, Mamba）以检验偏差是否源于注意力机制本身。
  4. 去偏干预设计：通过 RLHF、in-context learning、CoT 等方式系统性地降低记忆偏差，量化每种干预的有效性。
  5. 市场均衡分析：在多 agent 模拟中部署不同记忆的 LLM，研究当 LLM 成为重要市场参与者时，记忆偏差如何影响价格发现、流动性、波动率。
  6. 真实部署后果：与对冲基金/资产管理公司合作，量化 LLM 顾问的记忆偏差对客户实际投资组合表现的影响。
  7. 结构估计：使用实验数据估计模型中的 \beta（推理参数）、\lambda（线索强度）、记忆数量 N 等参数，刻画不同模型的"记忆指纹"。
  8. 联系投资者记忆文献：将本文发现与 Godker_Jiao_2025_InvestorMemory、Walters_Fernbach_2021_InvestorMemory_PositivityBias、Malmendier_2020_InvestorExperiences_MarketDynamics 系统比较，构建"人类-AI 记忆-投资"统一框架。
  9. 多模态扩展：拓展到音频、视频线索，验证 Lemma 6.1 的更一般版本。
  10. 监管含义：探讨当 LLM 推理被嵌入金融建议时，监管机构应如何要求披露训练数据/微调来源以防止系统性偏差。
  11. 时间维度：研究"记忆衰减"——给定相同微调，模型行为随时间是否稳定，需要多频繁重新校准。
  12. 集体行为：当多个 LLM 共享相似训练数据时，是否会形成"AI 群体性偏差"，加剧市场同质化与脆弱性（联系 Hashimoto_Takayanagi_2026_LLMAgents_HumanBias_MarketDynamics）。

标签

#experiment #AI #generative_AI #memory #associative_recall #investment_decisions #risk_preferences #behavioral_bias #fine_tuning #knowledge_injection #belief_formation #LLM #GPT #cued_recall #cross_domain #return_predictability

关键结论

  1. GAI 决策受"记忆"驱动而非纯粹的贝叶斯计算：即便 LLM 能形成完美贝叶斯信念（贝叶斯基准回归斜率为 0），其投资选择仍系统性地受与决策无关的情感图片线索影响（17.7% 的差异）。这意味着将 LLM 视为"理性 homo economicus"的观点（Horton 2023）需要重要修正：LLM 在面对投资决策时表现出"行为代理人"特征，且偏差来自训练数据/微调形成的隐式记忆库。
  2. 记忆效应跨域溢出且可被因果操纵：通过知识注入微调，作者展示 Yelp 餐饮评论可以显著改变 LLM 的金融投资决策（13 pp 差异），且效应大小不亚于金融新闻微调。这一发现既挑战了 Malmendier (2021) 的人类经验领域特异性假说，也提示在 LLM 部署到金融行业前必须严格审计训练语料的情感倾向，否则会通过跨域共线性产生系统性投资偏差。相关链接：Godker_Jiao_2025_InvestorMemory、Walters_Fernbach_2021_InvestorMemory_PositivityBias、Malmendier_2020_InvestorExperiences_MarketDynamics、Enke_Schwerter_2020_AssociativeMemory_BeliefFormation、Bini_BehavioralEconomics_AI_LLMBiases、EvenTov_Lourie_2025_AI_RetailInvestorBehavior、Hashimoto_Takayanagi_2026_LLMAgents_HumanBias_MarketDynamics、Silveira_Woodford_2019_NoisyMemory_Overreaction、Fudenberg_Lanzani_2022_SelectiveMemoryEquilibrium。