Saad Mohammad Abrar

研究发现，大型语言模型部分预测社区出行模式但存在偏见

一篇新的arXiv论文研究了大型语言模型（LLMs）在预测社区级人类出行模式方面的能力。研究人员发现，虽然LLMs可以从城市环境中部分推断出行总量，但其预测精度不如监督模型，准确率为0.435，而基线模型为0.580。研究还显示，LLMs倾向于依赖在不同城市和结果中一致的通用先验知识，有时会对受保护群体的预测因子表现出有偏见的对待。研究结果表明，LLMs在城市规划及相关领域的预测需要仔细审计，以确保经验一致性和潜在偏见。