दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

यूलान-वनसिम: बड़े भाषा मॉडल के साथ सामाजिक सिम्युलेटर की अगली पीढ़ी की ओर

Created by
  • Haebom

लेखक

लेई वांग, हेयांग गाओ, जिओहे बो, जू चेन, जी-रोंग वेन

रूपरेखा

YuLan-OneSim एक नया सोशल सिम्युलेटर है जो बड़े पैमाने के भाषा मॉडल (LLM) पर आधारित एजेंटों का उपयोग करके मानव सामाजिक व्यवहार का अनुकरण करता है। मौजूदा शोध की तुलना में, यह बिना कोड के प्राकृतिक भाषा अंतःक्रिया के माध्यम से परिदृश्यों के निर्माण और संशोधन की अनुमति देता है, और अर्थशास्त्र, समाजशास्त्र और राजनीति सहित आठ क्षेत्रों में 50 बुनियादी परिदृश्य प्रदान करता है। सिमुलेशन की गुणवत्ता में सुधार के लिए बाहरी प्रतिक्रिया के माध्यम से LLM को परिष्कृत किया जा सकता है, और यह 100,000 एजेंटों तक को संभालने की क्षमता का दावा करता है। इसके अलावा, यह एक AI सोशल रिसर्चर फ़ंक्शन प्रदान करता है जो केवल एक शोध विषय प्रस्तुत करके सिमुलेशन वातावरण स्थापित करने, परिणामों का विश्लेषण करने और तकनीकी रिपोर्ट तैयार करने और समीक्षा करने की प्रक्रिया को स्वचालित करता है।

____T9842_____, Limitations

Takeaways:
बिना कोड लिखे प्राकृतिक भाषा में सामाजिक सिमुलेशन परिदृश्य बनाएं और संशोधित करें।
50 बुनियादी परिदृश्यों के साथ बेहतर पहुंच, जिसमें विभिन्न क्षेत्रों को शामिल किया गया है।
बाह्य फीडबैक के आधार पर एलएलएम फाइन-ट्यूनिंग के साथ सिमुलेशन गुणवत्ता में सुधार करना।
उच्च मापनीयता, 100,000 एजेंटों तक को संभालने में सक्षम
एआई सामाजिक शोधकर्ता क्षमताओं के साथ सामाजिक विज्ञान अनुसंधान प्रक्रियाओं को स्वचालित करना।
Limitations:
एलएलएम-आधारित सिमुलेशन की सटीकता और विश्वसनीयता के आगे सत्यापन की आवश्यकता है।
एआई सामाजिक शोधकर्ताओं द्वारा परिणामों और रिपोर्टिंग की व्याख्या की सटीकता और निष्पक्षता का आकलन करने की आवश्यकता।
विशिष्ट क्षेत्रों में पक्षपातपूर्ण परिणामों की संभावना
बड़े पैमाने पर सिमुलेशन के कारण संसाधन खपत की गणना की समस्या
प्राकृतिक भाषा प्रसंस्करण की सीमाओं के कारण परिदृश्य त्रुटियों की संभावना
👍