PulseAugur
中
实时 10:43:07
English(EN) Argument Collapse: LLMs Flatten Long-Form Public Debate

研究发现：大型语言模型通过重复论点使公开辩论趋于扁平化

作者 PulseAugur 编辑部 · [1 个来源] ·

发表在arXiv上的一项新研究表明，大型语言模型（LLMs）可能通过生成重复且相似的论点，导致公众辩论趋于扁平化。研究人员发现，即使在要求多样性的提示下，LLM生成的文章也倾向于收敛到有限的主要论点、次要论点和结构模式。这与人类的反应形成对比，人类的反应表现出明显更多独特的论点和特定主题的推理，这表明LLM可能过度泛化并对其输出进行回避。 AI

影响 LLM生成的内容可能会减少公众讨论的多样性，影响信息的辩论和理解方式。

排序理由 分析LLM行为的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yekyung Kim, Yapei Chang, Chau Minh Pham, Mohit Iyyer ·

    Argument Collapse: LLMs Flatten Long-Form Public Debate

    arXiv:2606.01736v1 Announce Type: cross Abstract: As LLMs are increasingly used to draft public-facing arguments, they may flatten public debate by repeatedly introducing the same polished, plausible arguments. We study argument collapse, the tendency of essays generated by diffe…

相关实体

相关话题