Toubia

新研究为LLM数字孪生构建调查历史结构

一项新近发表在arXiv上的研究探讨了为LLM数字孪生构建调查历史结构的有效性。研究人员发现，将受访者数据组织成背景（Background）、决策过程（Decision procedure）和评估（Evaluation）（BDE）特征，相比原始调查记录，提高了任务的预测准确性。这种结构化方法在GPT 5.4 Nano和GPT 5.4 Mini模型上显示出显著的提升，表明这些特征的构成，而非仅仅是压缩或提取深度，是增强预测能力的关键。