Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Persona-driven Simulation of Voting Behavior in the European Parliament with Large Language Models

Created by
  • Haebom

作者

Maximilian Kreutner, Marlene Lutz, Markus Strohmaier

概要

本論文は、大規模言語モデル（LLM）の政治的偏向を活用して、欧州議会議員の投票行動を予測する研究を行いました。 LLMが進歩的な左派傾向を持つことを考慮して、限られた情報を持つゼロショットペルソナプロンプティング技術を使用して、個々の議員の投票決定と欧州グループの政策立場を予測しました。さまざまなペルソナプロンプトと生成方法を使用して予測の安定性を評価し、約0.793の加重F1スコアで欧州議会議員の投票行動を合理的によくシミュレートできることを発見しました。使用された政治家のペルソナデータセットとコードは公に提供されています。

Takeaways、Limitations

•
Takeaways:
◦
限られた情報だけがLLMを使用して、政治的投票行動をかなりの精度で予測できることを示しています。
◦
ペルソナのプロンプト技術によってLLMの政治的偏向性を活用して様々な政治的立場をシミュレートできることを提示。
◦
欧州議会などの複雑な政治システムの意思決定プロセスを理解するのに役立つ新しい方法論を提示します。
◦
公開されたデータセットとコードによるさらなる研究と応用可能性の拡大。
•
Limitations：
◦
LLMの政治的偏向性への依存度が高く、偏向性自体の問題解決なしには信頼性に限界存在。
◦
ゼロショットプロンプトのパフォーマンスは、プロンプトエンジニアリングとデータ品質に大きく依存する可能性があります。
◦
予測精度は0.793の重み付けF1スコアに相当しますが、完全ではなく、予測の誤差範囲の追加分析が必要です。
◦
欧州議会に限られた研究結果なので、他の政治システムに対する一般化には注意が必要。
👍
Made with Slashpage