Sentetik araştırmaların imkânları ve sınırları. İlgilendiğiniz konuyu seçin, bulguları ve kaynaklarını inceleyin.
16 çalışma
8,3 milyar persona kaydı ve 1.010 hazır görevle yapay zekâ sistemlerini ve dijital ürünleri popülasyon ölçeğinde test eden simüle kullanıcı değerlendirme altyapısı.
400 denemelik kontrollü davranış çalışmasında atanan davranış, denemelerin %91,5'inde ya ifade edildi ya da doğru biçimde bastırıldı.
Demografik bilgiler ve inanç ağları kullanımıyla LLM ajanlarının insan görüşlerini taklit doğruluğu.
Sadece demografik bilgi kullanıldığında LLM–insan görüş uyumu sağlanamadı.
LLM'lerin sosyal etkileşim davranışları; grup kimliği, karşılıklılık mekanizmaları ve CoT süreçlerinin rolü.
LLM’ler yalnızca kendi çıkarlarını gözetmiyor; sosyal refah ve karşılıklılık eğilimleri gösteriyor.
Belirsizlik altında rasyonel karar; faktör profilleri ve tarihsel analojilerle doğruluğun artırılması.
DEFINE çerçevesi, diğer yöntemlere göre daha yüksek doğruluk ve F1 skorları elde etti (Acc 29.6%, F1 23.7%).
LLM'lerin davranışsal ekonomi deneylerindeki insan ajanlarını taklit etme kapasitesi; endowment etkisi ve yeniden üretilebilirlik.
GPT-3, davranışsal ekonomi deneylerindeki insan bulgularını niteliksel olarak yeniden üretebildi.
Alt-popülasyon temsil modelleri olarak LLM kullanımı, toplumsal görüşleri ölçme potansiyeli ve risk-fayda değerlendirmesi.
LLM’ler toplum görüşlerini toplamada ve alt-popülasyonları temsil etmede güçlü bir araç olabilir.
Ajan tabanlı modelleme ve simülasyonda LLM rolü; simülasyon paradigmasını dönüştürme kapasitesi.
Planlama, bellek ve geri bildirim, dil modeli tabanlı ajanların simülasyonlarda kullanılan temel mekanizmaları arasında.
Sentetik veriyle bireysel görüşlerin öğrenilmesi ve taklit edilmesi; doğruluk ve heterojenlik.
Doppelgänger modeli, bireysel görüşleri yüksek doğrulukla taklit edebildi.
GABM'lerle karmaşık sosyal dinamiklerin modellenmesi; insan benzeri davranış taklidi.
LLM’ler adalet, işbirliği, sosyal normlara uyum gibi insan benzeri davranışlar üretebiliyor.
Kullanıcı personalarının algılanması; kültürel bağlamın etkisi ve demografik profilleri yeniden oluşturma kapasitesi.
GPT-3.5 ve GPT-4, seçilen üç Hindistan merkezli persona için yüksek uyum gösterdi.
Human Mimicry Calibration (HMC) yöntemiyle demografik gruplara göre kalibrasyon.
Human Mimicry Calibration (HMC), LLM yanıtlarını insan verileriyle hizalamada önemli iyileşme sağladı.
LLM'lerde persona kullanımı; role-playing ve personalization ayrımı, uygulama alanları.
Persona araştırmalarındaki temel ayrım: Role-Playing (LLM’in bir persona oynaması) ve Personalization (LLM’in kullanıcı personasıyla kişiselleşmesi).
LLM'lerin klasik deneyler ve farklı demografik profiller üzerinden insan davranışlarını simüle etme kapasitesi.
LLM’ler bazı insan davranış kalıplarını başarıyla taklit edebildi.
LLM'lerin markalara yönelik yanlılık (bias) ve tutarlılık düzeylerinin değerlendirilmesi.
Tüm LLM’ler marka tercihlerinde tutarlı (transitive) davrandı ve Apple > Samsung > Huawei sıralaması ortaya çıktı.
LLM'lerin insan tercihlerini taklit etme yeteneği; dil ve chain-of-thought yöntemlerinin etkisi.
LLM’ler (GPT-3.5 ve GPT-4) insanlara kıyasla daha sabırsız çıktı; GPT-4’ün indirim oranları insan seviyesinin çok üzerindeydi.
LLM tabanlı aramanın verimlilik, doğruluk ve kullanıcı algısına etkisi; güven vurgularının rolü.
LLM tabanlı arama, görev tamamlama süresini yarı yarıya kısalttı (1,6 dk vs. 3,4 dk).
Bu aramayla eşleşen çalışma yok. Başka bir kelime deneyin veya “Tümü”nü seçin.
