科学論文リポジトリ arXiv が2026年10月26日(現地時間)付けで公開した研究論文によると、大規模言語モデル (LLM) は人間の意思決定特性であるプロスペクト理論の要素を部分的に示すものの、損失回避の傾向は限定的であることが明らかになった。この研究は、32の言語モデルを対象とした11件の研究から得られた102の推定値をメタ分析したもの。
この研究は、リスクを伴う選択における意思決定を損失回避 (loss aversion)感度逓減 (diminishing sensitivity)確率加重 (probability weighting)の三つの要素に分解するプロスペクト理論を、LLMが示すか否かを検証した。
分析の結果、損失回避の度合いは人間と比較して控えめだった。LLMのプールされた損失回避係数 $\lambda$ は1.26（95%信頼区間1.06から1.46）であり、人間の最も強い推定値（$\lambda=1.96$）を大きく下回った。利益と損失が対称的な設計の場合、LLMの$\lambda$は1.15で人間の1.07と一致するが、損失が利益より小さい場合に人間の損失回避が最も強くなる状況では、LLMは1.46と人間の2.3を大きく下回る。
感度逓減については、その測定方法によって結果が異なった。トヴェルスキー＝カーネマン (Tversky-Kahneman) メソッドでは価値関数がほぼ線形（1.01、人間の値は0.67）に近く、一方でタナカ (Tanaka) メソッドでは人間よりも凹型（0.52、人間の値は0.67）だった。
確率加重の面では、LLMは人間のような逆S字型の歪み（トヴェルスキー＝カーネマンメソッドで$\gamma=0.81$、タナカメソッドで$\gamma=0.84$）を示した。総合的に見て、LLMは損失回避と感度逓減の度合いが低い一方で、人間のような確率の歪みを保持していることが示された。しかし、これらの傾向は特定のモデルファミリーや適合方法によって変化するとされる。
参考: arXiv cs.AI (アーカイブ) — 2026年10月27日 13:00 (JST)
原文ハイライト"Loss aversion is modest: the pooled $\lambda$ is 1.26 (95% CI 1.06 to 1.46)"