研究：行为历史优于人格描述提升LLM人物预测
热点事件持续更新
研究：行为历史优于人格描述提升LLM人物预测
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
一项基于 845 名美国成年人两波面板数据的研究发现，让 LLM 合成人物预测个体后续选择时，提供受访者此前的问卷作答（行为历史）比提供人口统计、人格特质或认知分数更有效。论文作者为 Khashayar Pourtaheri 和 Ahmad Zareei。 研究报告称，仅靠描述的人物只能复原 53-67% 的人际差异，个体预测信息量仅为人类重测的 7-12%；加入行为历史后提升至 28%。在行为历史条件下，所有用于评分目标偏好的题项均被扣留，全部 17 个人口统计群体的估计信息量均为最高。 研究还指出，各条件下受访者平均偏见数量接近人类平均水平（7.1-8.1 项，人类为 7.1 项）。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
用行为历史而非人物描述提升 LLM 合成人物预测个体选择的能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI用行为历史而非人物描述提升 LLM 合成人物预测个体选择的能力
一项基于 845 名美国成年人两波面板数据的研究显示，LLM 合成人物若要预测个体后续选择，提供受访者此前的问卷作答（行为历史）比提供人口统计、人格特质或认知分数更有效。仅靠描述的人物只能复原 53-67% 的人际差异，个体预测信息量仅为人类重测的 7-12%，加入行为历史后提升至 28%。含行为历史的条件下全部 17 个人口统计群体的估计信息量均为最高。
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。