Motivation dans les grands modèles de langage
Motivation in Large Language Models
March 15, 2026
Auteurs: Omer Nahum, Asael Sklar, Ariel Goldstein, Roi Reichart
cs.AI
Résumé
La motivation est un moteur central du comportement humain, façonnant les décisions, les objectifs et la performance aux tâches. Alors que les grands modèles de langage (LLM) s'alignent de plus en plus sur les préférences humaines, nous nous demandons s'ils présentent une forme analogue de motivation. Nous examinons si les LLM « rapportent » différents niveaux de motivation, comment ces déclarations sont liées à leur comportement, et si des facteurs externes peuvent les influencer. Nos expériences révèlent des schémas cohérents et structurés qui font écho à la psychologie humaine : l'auto-évaluation de la motivation correspond à différentes signatures comportementales, varie selon les types de tâches, et peut être modulée par des manipulations externes. Ces résultats démontrent que la motivation est un construit organisateur cohérent du comportement des LLM, reliant systématiquement les déclarations, les choix, l'effort et la performance, et révélant des dynamiques motivationnelles similaires à celles documentées en psychologie humaine. Cette perspective approfondit notre compréhension du comportement des modèles et de son lien avec des concepts inspirés de l'humain.
English
Motivation is a central driver of human behavior, shaping decisions, goals, and task performance. As large language models (LLMs) become increasingly aligned with human preferences, we ask whether they exhibit something akin to motivation. We examine whether LLMs "report" varying levels of motivation, how these reports relate to their behavior, and whether external factors can influence them. Our experiments reveal consistent and structured patterns that echo human psychology: self-reported motivation aligns with different behavioral signatures, varies across task types, and can be modulated by external manipulations. These findings demonstrate that motivation is a coherent organizing construct for LLM behavior, systematically linking reports, choices, effort, and performance, and revealing motivational dynamics that resemble those documented in human psychology. This perspective deepens our understanding of model behavior and its connection to human-inspired concepts.