实体
framing effect
framing effect
PulseAugur coverage of framing effect — every cluster mentioning framing effect across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LLM（如GPT-4）能准确预测人类决策偏差
一篇新近发表在arXiv上的研究论文探讨了大型语言模型（LLMs）在对话场景中预测人类决策偏差的能力。研究人员发现，LLMs（包括GPT-4和GPT-5）能够准确预测人类的偏差，如框架效应和现状偏见，尤其是在融入对话语境时。研究还揭示，增加认知负荷（通过模拟复杂对话实现）会加剧人类的这些偏差，而LLMs也能复现这种模式。值得注意的是，GPT-4模型在准确反映人类行为和偏差模式方面，表现优于GPT-5及其他开源模型。
-
大型语言模型在代码漏洞检测中易受认知偏差影响
一项新的研究论文探讨了与影响人类判断类似的认知启发式方法如何影响大型语言模型（LLMs）检测代码漏洞。研究发现，LLMs 容易受到光环效应、框架效应和锚定效应的影响，其中框架效应的影响最大，占 33.2%。这种易感性可能导致模型错误地将代码标记为易受攻击或安全，研究人员演示了一种黑盒攻击，该攻击可以抑制多达 97% 的已检测漏洞，凸显了基于 LLM 的安全工具中一个重要的可利用特性。