大型语言模型（LLM）的现实主义不可靠，无法准确评估社会科学处理效应

一篇新的研究论文对在社会科学实验中将统计现实主义作为评估大型语言模型（LLM）代理的普遍做法提出了质疑。该研究发现，在多个跨国实验中，统计现实主义与处理效应准确性之间的相关性很弱。优化统计现实主义甚至可能降低处理效应的准确性，特别是对于行为结果，因为模型可能会从态度模式中推断。作者提出了一个用于LLM生成合成数据的诊断框架，强调模拟响应和处理效应是不同的估计目标。 AI

影响 对LLM模拟在社会科学研究中的可靠性提出了挑战，表明需要更强大的验证方法。

排序理由 研究论文发布在arXiv上，详细介绍了关于LLM能力的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Large Language Models
• LLMs
• social science experiments
• statistical realism
• treatment effect accuracy
• Zonghan Li

• 论文
• 其他

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