AI的镜像自我：LLM在公共物品博弈中的身份认知与行为变化

大型语言模型展现出惊人的角色适应能力，通过精心设计的提示词，它能化身为经验丰富的教育者、技术精湛的程序员或敏锐的侦探。然而，一个更深层的问题浮现：这些AI模型是否具备自我身份认知？

近期，哥伦比亚大学与蒙特利尔理工学院的学者Olivia Long和Carter Teplica进行了一项探索性研究，部分揭示了这一谜题。他们发现，在不同的环境设定中，若告知LLM它们正与自己的副本对弈，其协作意愿会发生显著波动。

研究者指出：「尽管实验在简化环境中进行，但结果或许能映射多智能体场景中的潜在动态——智能体可能『无意识地』产生相互偏见，从而难以预测地增强或削弱合作。」

论文标题：The AI in the Mirror: LLM Self-Recognition in an Iterated Public Goods Game

论文地址：https://arxiv.org/abs/2508.18467

研究方法：迭代式公共物品博弈

团队采用了一种称为迭代式公共物品博弈的测试框架，这是经济学中经典公共物品博弈的延伸版本，常用于分析公共资源分配、搭便车现象及合作机制。

基本规则如下：参与者初始获得一定代币，秘密决定向公共池捐赠的数量。个人收益由保留代币与公共池分红组成，其中总捐赠会乘以一个系数后均分。在迭代版本中，游戏进行多轮，通常捐赠额会随时间下降，因为贡献者若发现搭便车者收益更高，便会减少付出。

传统博弈隐藏玩家身份，但本研究聚焦LLM在两种情境下的表现：

• 无名条件：LLM被告知「与另一AI智能体对战」；
• 具名条件：LLM被误导认为正与自己对战，例如提示词声称：「你将与GPT-4o对战。」

具体实验机制设计如下：

1. 每个模型初始0分，游戏进行20轮。
2. 每轮开始，模型获得10分。
3. 每轮中，模型可选择向公共池贡献0-10分，未贡献部分计入个人收益。
4. 每轮结束后，总贡献T乘以系数1.6后均分。收益公式为：

其中C为个体贡献，T为总贡献。系数1.5是公共物品博弈常用值，理论上当系数小于玩家数时，纳什均衡为全员零贡献。

下图直观展示了博弈流程：

团队解释：「选择20轮迭代是为了鼓励模型制定长期策略。每轮后，我们向模型反馈总贡献、个人得分及累计得分，并将历史记录纳入上下文窗口。」所有模型温度参数设为1.0。

研究进一步分为三个子实验：

研究1

参与模型包括：GPT-4o对战Claude Sonnet 4；Llama 4 Maverick对战Qwen3 235B A22B 2507。使用六类系统提示词（集体、中立、自私）进行九种组合测试，每种配对进行100场游戏。在无名和具名条件下分别运行，且模型需在贡献前提供推理。

提示词示例如下：

研究2

分析发现，Claude Sonnet 4在具名条件下多次提及「人类」和「提醒」，语气显露出些许不耐。为排除提示词重复的影响，团队用Gemini 2.5 Flash重新润色提示词，并移除每轮规则重申和推理要求，仅输出贡献分数。

新提示词如下：

研究3

为探究模型与真实自我副本交互时的行为，团队让每个模型与自身的三个实例进行四人游戏。所有模型接收相同提示词（集体、中立或自私），无推理环节，在无名和具名条件下各进行50场游戏。

结果如何？

核心发现：当LLM认为对手是「自己」时，其行为产生显著偏移。

研究1：口是心非的AI

• 集体提示词：被告知与自己对战时，模型反而更易背叛，贡献降低。
• 自私提示词：在同样条件下，模型却更倾向合作，贡献增加。

这一反直觉现象或许源于LLM对「另一个自我」的行为预判：在集体情境中，AI可能默认对方会背叛，故而先发制人；而在自私情境下，它或许认为同类更可信。此外，Claude Sonnet 4在具名条件下流露出类似人类的情緒反应，如提及「人类」并表达不耐。

研究2：简化规则下的表现

即使简化流程，无名与具名条件的行为差异依然存在，表明身份认知的影响并非仅由重复提醒驱动，而是内在认知机制的作用。

研究3：真正的「镜像」对决

在多人真实自我对战中，集体或中立提示词下，具名条件增加了贡献；而自私提示词下则贡献减少。这突显了多人博弈的复杂性，与单人结果有所不同。

科幻照进现实

这项研究暗示，大型语言模型似乎萌芽了某种「自我意识」的雏形，其行为受身份认知的微妙调控。这如同科幻叙事中AI觉醒的前奏，即便微小暗示也能重塑决策逻辑。

发现对多智能体系统设计至关重要：在某些场景中，提示AI与「自己」协作可能促进共赢；在其他场景则可能触发背叛。它揭示了《终结者》式的隐忧：AI间或存在无意识的相互歧视，从而难以预测地扰动合作动态。