大型语言模型展现蜂群智能潜力，错误率降低37%

一篇新研究论文探讨了大型语言模型（LLMs）复制人类蜂群智能准确性的潜力。该研究对GPT-5、Gemini 2.5 Pro和Claude Sonnet 4.5进行了960次提示测试，结果表明聚合这些模型的响应可将错误率持续降低高达37个百分点。研究还发现，大型语言模型表现出一定程度的元认知意识，将置信区间与估计误差相关联，这表明它们在组织决策中的效用。 AI

影响 证明了大型语言模型可以有效地聚合信息，有可能改善组织中AI辅助的决策。

排序理由 发表在arXiv上的研究论文，详细介绍了大型语言模型的能力。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Claude Sonnet 4.5
• CORE Recommender
• DagsHub
• Gemini 2.5 Pro
• Gotit.pub
• GPT-5
• Hugging Face
• Influence Flower
• ScienceCast
• Spearman's ho

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →