研究人员开发了一种方法，通过将大型语言模型（LLM）生成的政治网络的准确性与关于党派接触情况的调查数据进行比较来验证其准确性。这项研究使用了基于 ANES 2020-2022 社交媒体研究的大型语言模型角色，发现虽然某些大型语言模型配置生成具有合理结构特征的网络，但它们通常未能准确复制个人的政治环境。特定模型要么高估了党派分离，要么低估了对共和党人的接触，并且错误因不同的社会群体而异。研究结果强调了在总体和个体层面验证基于大型语言模型的社会模拟的必要性，因为仅靠总体指标可能会掩盖局部环境表示中的关键错误。 AI
影响 强调了在总体指标之外对大型语言模型社会模拟进行细粒度验证的必要性，这对于可靠的由人工智能驱动的社会科学研究至关重要。
排序理由 学术论文，详细介绍了 LLM 生成的社会模拟的新验证方法。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
