研究：LLM预测问卷回答随已知信息减少退化至语义基线
热点事件持续更新
研究：LLM预测问卷回答随已知信息减少退化至语义基线
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Esko Lehtonen 与 Tommi Buder-Gröndahl 发表研究，评估三个 LLM 在两项分别测量对自动驾驶汽车和轻型电动车态度的问卷中，根据已知回答预测留出题项回答的能力，并与两个基于嵌入向量相似度的简单基线对比。 结果显示，LLM 多数情况下预测优于基线，但随着已知回答比例下降，表现持续退化；在其中一项问卷中，LLM 的表现甚至与基线持平。研究据此认为，LLM 增强问卷回答的能力因调查而异，数据较少时会退回到简单嵌入相似度基线的水平。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
研究：LLM 作为问卷受访者时，预测能力会随已知回答减少而退化至简单语义基线水平报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv cs.CL研究：LLM 作为问卷受访者时，预测能力会随已知回答减少而退化至简单语义基线水平
研究评估了三个 LLM 在两项关于自动驾驶与轻型电动车态度的问卷中预测留出题项回答的能力，并与基于嵌入向量相似度的两个简单基线对比。LLM 多数情况下预测优于基线，但已知回答比例下降时表现持续退化，在其中一项问卷中甚至与基线持平。结果表明 LLM 的问卷回答增强能力因调查而异，数据较少时会退回到简单嵌入相似度基线的水平。
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。