AITOPAI热报

纵向研究

共 2 条相关 AI 资讯
8月4日
12:31
12:31官方账号arXiv cs.AI@Nicole Mitchell, Dhruv Agarwal, Maty Bohacek, Remi Denton, Roma Patel
这篇arXiv论文认为，语言模型拟人化且融入日常使用，可能引发认知、发展和社会情感层面的长期变化。作者主张NLP应转向长期测量用户行为变化，而非局限静态文本评估。论文参考社会科学中纵向数据测量方法，并与NLP计算手段结合。该框架用于在线识别问题行为，并纳入对齐流程以缓解长期风险。
论文人机交互AI安全纵向研究
推荐理由：一篇讲怎么测AI长期影响的论文，用社会科学的方法补NLP的短板。适合做AI安全和行为研究的人读。
原文
7月24日
09:39
09:39官方账号arXiv cs.AI@Mack Nixon, Liam Wright, Yevgeniya Kovalchuk, Alison Fang-Wei Wu, Martin Danka, Andy Boyd, David Bann
研究者提出开源框架RRBench，评估开源权重LLM驱动的AI代理在纵向人口研究数据准备中的效果。框架包括来自英国队列研究6轮数据的真实清洗脚本，以及20个数据准备任务（创建102个变量）。基准测试显示，31-35B参数模型平均任务完成度达87.9%，接近饱和。结果表明，消费级硬件上的开源模型为治理受限研究中的AI辅助数据准备提供了可行路径。
论文open-weight LLMRRBench数据准备
推荐理由：想知道开源模型做数据清洗行不行？这篇论文用真实研究数据测试了31-35B模型，近九成任务都能搞定，隐私保护场景也能用。
原文