新研究质疑基于LLM的人类模拟的可靠性

一篇新论文认为，当前的大型语言模型（LLM）在模拟跨领域人类行为方面尚不可靠。该研究系统地回顾了LLM在社会、经济、政策和心理学背景下的模拟，指出了模型本身和模拟设计中的局限性。为解决这些问题，作者提出了一个框架，通过改进数据、提升LLM能力和进行稳健设计来增强LLM模拟的可靠性，其中包括一个结构化算法来指导未来的努力。 AI

影响 强调了基于LLM的人类模拟的当前局限性，表明需要改进数据和模型能力以实现更准确的行为建模。

排序理由 该集群包含一篇发表在arXiv上的研究论文，讨论了LLM在人类模拟中的局限性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• large-language models
• Qian Wang
• ScienceCast

• 论文
• 安全

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