Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Simulación del comportamiento electoral en el Parlamento Europeo basada en personajes con modelos lingüísticos de gran tamaño

Created by
  • Haebom

Autor

Maximilian Kreutner, Marlène Lutz, Markus Strohmaier

Describir

Este artículo explora la predicción del comportamiento electoral de los diputados al Parlamento Europeo (MEP) aprovechando el sesgo político de los modelos lingüísticos a gran escala (MLG). Dada la tendencia de los MGL hacia una orientación liberal de izquierdas, utilizamos una técnica de incitación de personajes con información limitada para predecir las decisiones de voto de los diputados y las posturas políticas de los grupos europeos. Evaluamos la robustez de las predicciones utilizando diversos métodos de generación de incitaciones de personajes, y observamos que el modelo simula el comportamiento electoral de los diputados con una precisión razonable, con una puntuación F1 ponderada de aproximadamente 0,793. El conjunto de datos de personajes políticos y el código utilizado están disponibles públicamente.

Takeaways, Limitations

Takeaways:
Demostramos que LLM se puede utilizar para predecir el comportamiento de votación política con considerable precisión incluso con información limitada.
Demostramos que el sesgo político de LLM se puede explotar para simular diversas posiciones políticas a través de la técnica de incitación de personajes.
Presentamos una nueva metodología que puede ayudar a comprender el proceso de toma de decisiones en sistemas políticos complejos como el Parlamento Europeo.
Ampliar las posibilidades de investigación y aplicación a través de conjuntos de datos y códigos abiertos.
Limitations:
La alta dependencia del LLM del sesgo político limita su credibilidad a menos que se aborde el sesgo en sí.
El rendimiento del aviso de disparo cero puede depender en gran medida de la ingeniería del aviso y de la calidad de los datos.
La precisión de la predicción es satisfactoria con una puntuación F1 ponderada de 0,793, pero no es perfecta y se requiere un análisis más profundo del rango de error de predicción.
Dado que el estudio se limitó al Parlamento Europeo, se debe tener cuidado al generalizar a otros sistemas políticos.
👍