Personenbasierte LLMs verbessern strategisches Spielverhalten – neue Studie

Eine aktuelle Veröffentlichung auf arXiv untersucht, ob die Einbindung von Personas in große Sprachmodelle (LLMs) tatsächlich die Entscheidungsfindung in einem strategischen, wettbewerbsorientierten Spiel beeinflusst. Das Open‑Source-Boardgame PERIL dient dabei als Testarena, in der die Spieler versuchen, die Weltherrschaft zu erlangen.

Die Forscher haben die Wirksamkeit von heuristischen Strategien, die aus Persona‑Antworten der LLMs abgeleitet wurden, mit manuell ausgewählten Strategien verglichen. Dabei zeigte sich, dass bestimmte Personas, die mit strategischem Denken assoziiert sind, die Spielleistung steigern – jedoch nur, wenn ein spezieller Mediator eingesetzt wird, der die Persona‑Antworten in konkrete Heuristiken übersetzt.

Der Mediator basiert auf explorativer Faktorenanalyse und bildet die von der LLM generierten Inventarantworten in strukturierte heuristische Werte ab. Durch diesen Ansatz wird die Zuverlässigkeit und die konzeptuelle Gültigkeit der Heuristiken deutlich verbessert, sodass die Wirkung von Persona‑Typen auf die Entscheidungsfindung besser untersucht werden kann.

Die Ergebnisse liefern neue Erkenntnisse darüber, wie Persona‑Prompting die Leistung von LLM‑basierten Entscheidungssystemen beeinflusst, und stellen eine psychometrisch fundierte Methode zur Generierung von Heuristiken vor, die in zukünftigen Anwendungen von LLMs eingesetzt werden kann.