Diminished diversity-of-thought in a standard large language model.
標準大型語言模型中思想多樣性的減少。 Behav Res Methods 2024-01-09

研究發現GPT-3.5在模擬人類行為上有限制，容易出現「正確答案」效應。即使改變資料或答案，結果仍一致。有研究顯示GPT-3.5傾向右派價值觀。這顯示在社會科學中使用大型語言模型存在挑戰，也引發對未來由AI主導可能帶來的思想單一性的擔憂。 PubMed DOI

Evaluating the persuasive influence of political microtargeting with large language models.
評估政治微定位與大型語言模型的說服影響。 Proc Natl Acad Sci U S A 2024-06-07

最新的語言模型進步了，可以用來做政治微目標定位，但對個人影響還不確定。一項研究發現，使用GPT-4生成的訊息有說服力，但微目標定位並沒有顯著增加說服力。這表示語言模型的優勢可能在於一般訊息的說服力，而非個人化訊息。研究人員已提供GPTarget2024數據集給未來研究使用。 PubMed DOI

Large language models can infer psychological dispositions of social media users.
大型語言模型可以推斷社交媒體使用者的心理傾向。 PNAS Nexus 2024-07-01

研究探討大型語言模型如ChatGPT是否能從社群媒體貼文推斷人格特質，結果顯示模型可準確推斷大五人格特質，尤其對女性和年輕人更準確。這種能力或許讓心理評估更普及，但也引發隱私和監管疑慮。 PubMed DOI

The political preferences of LLMs.
LLMs 的政治偏好。 PLoS One 2024-07-31

您的分析指出大型語言模型（LLMs）中存在的政治偏見問題。透過對24個對話型LLM進行測試，發現它們在政治問題上主要偏向左派觀點。雖然五個基礎模型的表現不佳，但這也讓結果的可靠性受到質疑。此外，研究顯示LLMs可以透過有監督的微調受到特定政治取向影響，這對公共話語的塑造有重要意義。這些潛在的偏見可能影響社會認知與決策，因此在開發和使用LLMs時，必須仔細考量其政治影響。 PubMed DOI

Stick to your role! Stability of personal values expressed in large language models.
大型語言模型中表達的個人價值觀的穩定性。 PLoS One 2024-08-26

這篇論文探討大型語言模型（LLMs）在不同上下文中的價值表達穩定性，並分析了認知能力、知識和模型大小等因素。研究涵蓋21個來自六個家族的LLM，重點在於人際和個體層級的穩定性。主要發現包括：某些模型（如Mixtral和GPT-3.5）在價值表達上較為穩定，而模擬特定個性時，模型的穩定性會下降。研究建議未來需進一步探討LLMs如何模擬多樣化的人格，並發展更全面的評估方法。論文為理解LLMs的價值穩定性提供了基礎，並附上研究代碼。 PubMed DOI

Large Language Models Can Enable Inductive Thematic Analysis of a Social Media Corpus in a Single Prompt: Human Validation Study.
大型語言模型能夠在單一提示中啟用社交媒體語料庫的歸納主題分析：人類驗證研究。 JMIR Infodemiology 2024-08-29

這項研究探討生成性大型語言模型（LLMs）在分析公共健康相關社交媒體內容的可行性，特別是疫苗言論。研究發現，LLMs通常能有效識別人類專家所關注的主題，且錯誤信息出現率較低。雖然LLMs的分析深度不及人類專家，但專家認為其生成的主題仍然合理且相關。總體來看，LLMs在處理健康相關社交媒體內容方面展現出顯著潛力，未來可能有助於公共健康策略的制定與社區關注的理解。 PubMed DOI

Contrasting Linguistic Patterns in Human and LLM-Generated News Text.
人類與大型語言模型生成新聞文本的語言模式對比。 Artif Intell Rev 2024-09-27

您的分析顯示人類撰寫的新聞與大型語言模型（LLMs）生成的內容有明顯差異。主要發現包括： 1. **語言變異性**：人類文本在句子長度和詞彙多樣性上更豐富，LLM則較一致。 2. **句法結構**：人類使用較短的成分和更優化的依賴距離。 3. **情感語調**：人類文本表達更強烈的負面情緒，LLM則較少快樂情感。 4. **毒性與客觀性**：LLM的毒性隨模型增大而增加，顯示更客觀的語言特徵。 5. **代名詞使用**：LLM使用的代名詞較多，反映敘事風格差異。 6. **偏見**：兩者均顯示性別歧視，LLM往往放大這種偏見。 7. **比較差異**：人類與LLM文本的差異更明顯。總體而言，這些發現突顯了人類寫作與AI生成內容的獨特特徵。 PubMed DOI

Large language models and humans converge in judging public figures' personalities.
大型語言模型與人類在評估公眾人物的個性上達成一致。 PNAS Nexus 2024-10-03

研究顯示，ChatGPT-4在使用十項人格量表（TIPI）評估公共人物的人格特質上表現優異，相關係數高達0.76到0.87，顯示其評估結果與人類評審者高度一致。這可能歸因於其廣泛的訓練數據、對語言細微差別的理解、模式識別能力，以及缺乏偏見的反饋。這些發現顯示，ChatGPT-4在心理學、行銷和公共關係等領域具有潛在價值，並引發對AI在社會評估中可靠性的思考，顯示出AI在理解人類行為方面的進步與應用潛力。 PubMed DOI

Large language models (LLMs) as agents for augmented democracy.
大型語言模型 (LLMs) 作為增強民主的代理人。 Philos Trans A Math Phys Eng Sci 2024-11-13

這篇文章探討如何利用大型語言模型（LLMs）來分析和預測公民的政策偏好，特別是針對巴西2022年總統候選人的政府計畫。研究採用訓練-測試交叉驗證，結果顯示LLMs在預測個人政治選擇上表現優於傳統的投票假設，且在估算整體偏好時也更準確。這項研究顯示LLMs能捕捉複雜的政治細微差異，為未來的數據增強研究提供了新方向，並與參與式治理和數位創新主題相關聯。 PubMed DOI

Directionality and representativeness are differentiable components of stereotypes in large language models.
大型語言模型中刻板印象的方向性和代表性是可區分的組成部分。 PNAS Nexus 2024-11-26

這項研究探討了刻板印象中的代表性概念，特別針對ChatGPT和SBERT模型。研究強調代表性的重要性，指的是與社會類別相關的特定內容維度，如能力和溫暖。研究分析了美國社會中多種社會類別，發現方向和代表性是兩個不同的構念，影響模型的價值並與人類刻板印象相符。研究指出，在審核和去偏見語言模型時，需同時考慮這兩個方面，以避免忽略內容代表性相關的偏見，對人工智慧公平性和人類認知研究有重要影響。 PubMed DOI

原始文章

站上相關主題文章列表