大型语言模型作为增强式民主的代理
原文中文，约400字，阅读约需1分钟。发表于：。通过利用 TensorFlow 生成模型（LLMs）预测个体偏好和整体偏好，我们对 2022 年巴西总统选举期间收集的 67 项政策提案的数据进行训练和测试，发现 LLMs 在个体层面上的预测准确率为 69% 到 76%，并对自由派和大学教育程度较高的参与者有明显的优势；在整体层面上，借助 Borda score 对偏好进行汇总，我们发现通过 LLMs...
近期自然语言处理的进展，特别是大型语言模型（LLMs）的出现，为构建精确复制人类行为的计算模拟提供了令人兴奋的可能性。然而，LLMs 在模拟人类互动方面的局限性被突出，特别关注在模拟政治辩论方面的能力。研究发现，LLM 代理倾向于符合模型固有的社会偏见，导致行为模式偏离人类社会动力学规律。使用自动自我微调方法强化观察结果，能够操纵 LLM 内的偏见，并展示代理随后与改变后的偏见保持一致。这强调了进一步研究的必要性，以开发帮助代理克服这些偏见的方法，是创造更现实模拟的关键一步。
