PulseAugur
实时 05:58:15
English(EN) LLM-generated personalized nudges for improving pro-environmental behavior: Field evidence from resource conservation

LLM生成的提示在北京的研究中减少了电力使用

最近发表在arXiv上的一项研究探讨了使用大型语言模型(LLM)生成个性化提示以鼓励亲环境行为的用途。这项在北京大学居民中进行的研究发现,LLM生成的个性化建议(包括使用报告、行为改变情景和估计节省量)与标准的基于文本的反馈相比,显著减少了电力消耗。虽然单独的图像增强反馈并未显示出明显改善,但个性化的LLM提示与更持久的参与相关,并为将生成式AI融入可持续城市管理提供了一种有前景的方法。 AI

影响 展示了LLM在行为改变方面的实际应用,可能影响可持续城市管理策略。

排序理由 该集群包含一篇详细介绍LLM特定应用实验结果的研究论文。[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 →

LLM生成的提示在北京的研究中减少了电力使用

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zonghan Li, Yi Liu, Chunyan Wang, Song Tong, Kaiping Peng, Feng Ji ·

    LLM生成的个性化提示可改善亲环境行为:来自资源保护的实地证据

    arXiv:2604.03881v2 Announce Type: replace-cross Abstract: Encouraging pro-environmental behavior remains a major challenge for sustainable cities. Conventional feedback nudges can show individuals how their current behavior compares with environmental goals but often provide limi…