英国交通部与谷歌云和艾伦·图灵研究所合作开发了咨询分析工具（CAT），该工具利用AI快速分析公众反馈，准确率高达90%。此工具显著缩短了数据处理时间，每年节省400万英镑。交通部还利用AI提升基础设施决策和公众咨询响应，确保技术服务于公众利益。

本研究提出了一种新方法，利用多个大型语言模型（LLMs）作为异质经济代理，解决经济与公共政策分析中的异质性模型不足问题。构建的多LLM代理框架（MLAB）能够模拟不同教育和收入群体的政策影响，开辟分析新方向。

本研究利用大型语言模型（LLMs）和适配技术，简化了Land Matrix数据库的查询方式，提高了数据获取的便利性，促进了公共政策的应用。

缘起 现在，从国家层面到各省、市、区，都在积极的出台各种与开源相关的政策，给咱们开源人的第一感觉是：“形势一片大好”。然后，这些开源相关政策，是否合理？在实际的执行过程，可能会出现哪些问题？却引发了不少的争论与担忧。 我希望写一篇简短的论文，来讨论这方面的公共政策，希望能够提供另一种视角，供大家一起讨论。（换言之：加入论战） 好的开源公共政策，应该遵循哪些原则？ 1....

最近，GPT-3和GPT-4等大型语言模型在政治学领域的文本分析方面取得了新的突破。研究评估了LLM在非英文政治学文本上的效果，并发现LLM在提供了详细标签定义和编码示例的情况下，可以与甚至优于人工标注员，速度快且成本低。总体而言，LLM是大多数文本编码项目的可行选择。

该论文介绍了一种名为HC-LSBO的新型贝叶斯优化方法，利用可变自编码器学习可行决策的分布，实现原始决策空间与较低维潜在空间的双向映射。该方法可以捕捉公共政策制定中固有的隐藏约束的微妙差别，允许在潜在空间进行优化，同时在原始空间中评估目标。在数字实验中，该方法在性能和效率方面均有显著改进。

研究证明超人级人工智能AI*不存在，提出两个公共政策建议：严格监管数字化人脑的克隆，禁止假设AI*访问大脑；AI*研究应成为广泛甚至公开可获得的。