Мотивация в больших языковых моделях
Motivation in Large Language Models
March 15, 2026
Авторы: Omer Nahum, Asael Sklar, Ariel Goldstein, Roi Reichart
cs.AI
Аннотация
Мотивация является ключевым движущим фактором человеческого поведения, определяющим решения, цели и результативность задач. По мере того как большие языковые модели (БЯМ) становятся все более согласованными с человеческими предпочтениями, мы задаемся вопросом, проявляют ли они нечто подобное мотивации. Мы исследуем, «сообщают» ли БЯМ о различных уровнях мотивации, как эти сообщения связаны с их поведением и могут ли внешние факторы на них влиять. Наши эксперименты выявляют последовательные и структурированные паттерны, перекликающиеся с человеческой психологией: самооценка мотивации согласуется с различными поведенческими маркерами, варьируется в зависимости от типа задач и может модулироваться внешними воздействиями. Эти результаты демонстрируют, что мотивация является целостным организующим конструктом для поведения БЯМ, систематически связывая самоотчеты, выбор, прилагаемые усилия и производительность, а также раскрывая динамику мотивации, сходную с описанной в человеческой психологии. Такой подход углубляет наше понимание поведения моделей и его связи с концепциями, вдохновленными человеческой природой.
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.