PulseAugur
中
实时 04:17:19
English(EN) Simulating Tenant Responses to Energy Policy Interventions with Transaction-Cost-Aware LLM Age

大语言模型通过新的交易成本角色方法模拟政策反应

作者 PulseAugur 编辑部 · [1 个来源] ·

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 →

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

大语言模型通过新的交易成本角色方法模拟政策反应

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
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]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, policy, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
72 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Weijie Xia, Stefanie Horian, Hanyue Huang, Queena K. Qian, Jie Yang, Pedro P. Vergara Barrios ·

    利用交易成本感知的LLM时代模拟租户对能源政策干预的反应

    arXiv:2607.24341v1 Announce Type: new Abstract: Recent studies use Large language models (LLMs) to simulate human opinions and decisions by prompting models with demographic, attitudinal, or persona-based descriptions. Yet such simulations rarely model the practical, cognitive, o…

相关实体

相关话题