一项新的教程提出了一个基于大型语言模型（LLM）创建可验证用户模拟器的框架。该框架旨在解决当前基于LLM的模拟器的不透明性，使其更容易理解模拟用户为何做出某些选择，并检测与人口统计特征相关的潜在偏见。提议的系统包括结构化角色、任务感知契约、可审计跟踪和角色对齐验证等组件，并设有一个用于持续改进的优化循环。实践实验室将允许参与者评估模拟器在推荐和搜索任务中的保真度、可信度和人口统计偏见。 AI
影响 该框架可以通过提高用户模拟器的透明度和可审计性来改善AI评估的可靠性和公平性。
排序理由 该集群包含一篇学术论文，详细介绍了用于AI系统的可验证用户模拟的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
