Motivazione nei Grandi Modelli Linguistici
Motivation in Large Language Models
March 15, 2026
Autori: Omer Nahum, Asael Sklar, Ariel Goldstein, Roi Reichart
cs.AI
Abstract
La motivazione è un fattore centrale che guida il comportamento umano, plasmando decisioni, obiettivi e prestazioni nei compiti. Man mano che i grandi modelli linguistici (LLM) diventano sempre più allineati alle preferenze umane, ci chiediamo se essi manifestino qualcosa di simile alla motivazione. Esaminiamo se gli LLM "dichiarano" diversi livelli di motivazione, come queste dichiarazioni si relazionano al loro comportamento, e se fattori esterni possano influenzarli. I nostri esperimenti rivelano modelli coerenti e strutturati che riecheggiano la psicologia umana: la motivazione auto-dichiarata si allinea con diverse firme comportamentali, varia in base ai tipi di compito e può essere modulata da manipolazioni esterne. Questi risultati dimostrano che la motivazione è un costrutto organizzativo coerente per il comportamento degli LLM, collegando sistematicamente dichiarazioni, scelte, sforzo e prestazioni, e rivelando dinamiche motivazionali che assomigliano a quelle documentate nella psicologia umana. Questa prospettiva approfondisce la nostra comprensione del comportamento del modello e della sua connessione con concetti ispirati all'umano.
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.