大语言模型通过新的交易成本角色方法模拟政策反应

研究人员开发了一种新方法，通过将感知交易成本的概念融入大语言模型（LLM）角色中，来模拟个人可能如何应对能源政策干预。该方法使用来自荷兰的调查数据进行测试，它不仅根据人口统计学特征，还根据租户对节能改造的成本、收益和障碍的理解来代表他们。研究发现，这种摩擦感知角色设计在包括GPT-3.5 Turbo、Ministral-8B-Instruct和Llama 3.1 8B-Instruct在内的各种大语言模型中一致提高了模型性能，表明其在政策模拟中的实用性。 AI

影响 增强了大语言模型在政策背景下模拟复杂人类行为的能力。

排序理由 学术论文，详细介绍了用于大语言模型模拟的新方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Energy-efficient renovation
• GPT-3.5 Turbo
• Group Relative Policy Optimization
• Llama 3.1 8B-Instruct
• Ministral-8B-Instruct
• Netherlands
• Perceived transaction cost
• supervised fine-tuning

• 论文
• 政策
• 其他

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