arXiv发布LLM流行病行为模式评估框架
热点事件持续更新
arXiv发布LLM流行病行为模式评估框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
arXiv 2026年10月发布的一项研究提出，用丙肝病毒相关的注射吸毒行为作为案例，评估大语言模型（LLM）生成的行为输出能否替代稀缺的实证行为数据。三个LLM在28项文献关联上的无条件方向还原率为46-68%，而直接要求其分类相同关联时一致性达82-93%。 研究还测得，LLM生成结果与基于主体的模型（ABM）和调查数据的相关性模式之间的平均绝对差分别为0.11-0.13和0.15-0.18。作者Sophia Mao、Keshav Gandhi、Alexander Gutfraind认为，LLM生成的行为关系与流行病学证据仅部分对齐，在纳入模拟传播动力学的流行病学模型前需更系统评估。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
大语言模型生成行为模式用于流行病学建模：多基准评估框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI大语言模型生成行为模式用于流行病学建模：多基准评估框架
研究以丙肝病毒相关注射吸毒行为为案例，评估 LLM 生成的行为输出能否替代稀缺的实证行为数据。三个 LLM 在 28 项文献关联上的无条件方向还原率为 46-68%，而直接要求其分类相同关联时一致性达 82-93%；与 ABM 和调查相关性模式的平均绝对差分别为 0.11-0.13 和 0.15-0.18。LLM 生成的行为关系与流行病学证据仅部分对齐，纳入传播动力学模型前需更系统评估。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。