SYN-DIGITS

新框架提高了LLM生成的数字孪生模拟的准确性

研究人员开发了SYN-DIGITS，一个旨在提高大型语言模型生成的数字孪生模拟准确性的新框架。这种模型无关的、事后校准方法学习问题与其模拟响应之间的关系，然后将这些知识转移以预测更准确的人类行为。SYN-DIGITS在目标问题缺乏直接人类数据的冷启动场景中特别有效，而是依赖于数字孪生和参考问题的相关人类数据。实验表明，与未校准的基线相比，在预测个体和分布式人类响应方面有了显著改进。