Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LLMs generate structurally realistic social networks but overestimate political homophily

Created by
  • Haebom

저자

Serina Chang, Alicja Chaszczewicz, Emma Wang, Maya Josifovska, Emma Pierson, Jure Leskovec

개요

본 논문은 대규모 언어 모델(LLM)을 이용한 사회 네트워크 생성 방법을 제시하고, 생성된 네트워크의 현실성과 편향성을 평가합니다. 세 가지 프롬프팅 방법(지역적, 전역적 방법 포함)을 비교 분석하여, 지역적 방법이 보다 현실적인 네트워크를 생성함을 밝힙니다. 생성된 네트워크는 밀도, 클러스터링, 연결성, 차수 분포 등 여러 특성에서 실제 사회 네트워크와 유사성을 보입니다. 하지만 LLM은 다른 유형의 동질성보다 정치적 동질성을 과도하게 강조하며, 실제 네트워크보다 정치적 동질성을 크게 과대평가하는 편향성을 보입니다.

시사점, 한계점

시사점:
LLM을 활용하여 사회 네트워크를 효율적으로 생성할 수 있는 가능성을 제시합니다.
지역적 프롬프팅 방법이 더 현실적인 네트워크 생성에 효과적임을 보여줍니다.
LLM 기반 사회 네트워크 생성의 현실성과 한계를 객관적으로 평가하는 기준을 제공합니다.
한계점:
LLM이 정치적 동질성을 과대평가하는 편향성을 가지고 있음을 지적합니다.
다양한 유형의 사회 네트워크에 대한 일반화 가능성에 대한 추가 연구가 필요합니다.
다른 종류의 편향성(인구 통계적 편향 등)에 대한 심층적인 분석이 필요합니다.
👍