Overstating Attitudes, Ignoring Networks: LLM Biases in Simulating Misinformation Susceptibility

Created by

Haebom

저자

Eun Cheol Choi, Lindsay E. Young, Emilio Ferrara

💡 개요

본 연구는 대규모 언어 모델(LLM)이 허위 정보에 대한 인간의 취약성 패턴을 얼마나 잘 재현할 수 있는지 조사합니다. LLM에게 사회 조사 데이터를 기반으로 한 참가자 프로필을 입력하여 설문 응답을 시뮬레이션한 결과, LLM은 전반적인 경향은 포착했지만 인간 응답과의 상관관계는 낮았으며, 특히 믿음과 공유 사이의 관계를 과대평가하는 경향을 보였습니다.

🔑 시사점 및 한계

•

LLM 기반 설문 시뮬레이션은 인간의 판단에서 발생하는 체계적인 편향을 진단하는 데 유용할 수 있습니다.

•

LLM은 개인의 태도와 행동에 과도한 가중치를 부여하고 개인 네트워크 특성을 간과하는 경향이 있어, 인간의 의사 결정 과정을 완전히 대체하기에는 한계가 있습니다.

•

LLM의 왜곡은 허위 정보 관련 개념의 표현 방식에 내재된 체계적인 편향에서 비롯될 수 있습니다.

PDF 보기

Made with Slashpage