每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

大型语言模型支持跨文化个性化推荐的设计

Created by
  • Haebom

作者

Vladimir Maksimenko、辛庆耀、Prateek Gupta、张斌、Prateek Bansal

大纲

本文探讨了利用大规模语言模型 (LLM) 定制个性化助推策略的有效性，该策略根据个人偏好进行定制。具体而言，我们使用 LLM 设计了基于个人特征和文化背景的个性化诱饵助推策略，以鼓励航空旅客进行碳补偿。我们通过在五个国家（德国、新加坡、美国、中国和印度）开展的大规模问卷调查实验（样本量为 3,495 美元）评估了这些策略的有效性。基于 LLM 的个性化助推策略比统一的设置更有效，在德国、新加坡和美国，碳补偿率提高了 3-7%。

Takeaways, Limitations

•
我们建议使用 LLM 来以低成本开发和测试助推策略。
•
基于法学硕士的个性化推动在某些国家（德国、新加坡和美国）已被证明是有效的。
•
文化异质性限制了助推策略的普遍性。
•
它强调需要对目标主题进行实证验证以及基于 LLM 的模拟。
•
在中国和印度，助推策略并没有奏效，这表明文化背景的重要性。
👍
Made with Slashpage