Large Language Models (LLMs) as Agents for Augmented Democracy

本文是LLM系列文章,针对《Large Language Models (LLMs) as Agents for Augmented Democracy》的翻译。
@[TOC](大型语言模型 (LLM) 作为增强民主的推动者)

摘要

我们探索了一个建立在现成的LLM基础上的增强民主系统,该系统经过微调,可以增强从巴西 2022 年总统选举两位主要候选人的政府计划中提取的公民偏好数据。我们使用训练测试交叉验证设置来估计LLM预测的准确性:受试者的个人政治选择和完整参与者样本的总体偏好。在个人层面上,我们发现LLM比“捆绑规则”更准确地预测样本偏好,“捆绑规则”假设公民总是投票支持符合他们自我报告的政治倾向的候选人的提案。在总体水平上,我们表明,与单独的非增强概率样本相比,LLM增强的概率样本可以更准确地估计总体偏好。总之,这些结果表明,使用LLM增强的政策偏好数据可以捕捉超越政党界限的细微差别,并代表了数据增强研究的一个有前途的途径。

引言

结果和方法

讨论

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值