研究人员开发了一个关于“表现式学习”的理论框架，在这种学习中，预测会影响它们旨在预测的结果。该理论探讨了模型在其预测影响其训练数据时如何泛化，并考虑了预测仅影响现有用户或全体人口的场景。分析揭示了模型改变世界的能力与其从中学习的能力之间的权衡，表明对数据更大的影响会降低学习效果。该研究还提出了通过在表现式扭曲的样本上重新训练来增强泛化的方法，并以德国劳动力市场数据为例进行了说明。 AI
影响 为理解模型在自我影响环境中的行为提供了一个新的理论视角，可能影响模型的设计和评估。
排序理由 学术论文发表在arXiv上，详细介绍了新的理论框架。[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 →