Giriş Yap

LLMs and Generative Agent-Based Models for Complex Systems

Araştırma Soruları

  • LLM’ler ağ bilimi, evrimsel oyun teorisi, sosyal dinamikler ve salgın modellemesi gibi alanlarda nasıl dönüştürücü bir rol oynar?
  • Generative Agent-Based Models (GABMs) çerçevesi karmaşık sistemlerin incelenmesinde nasıl kullanılabilir?
  • LLM ajanları, insan benzeri sosyal davranışları ne ölçüde taklit edebilir?

Sonuçlar

  • LLM’ler adalet, işbirliği, sosyal normlara uyum gibi insan benzeri davranışlar üretebiliyor.
  • Yanıtlar prompt duyarlılığı ve önyargılar nedeniyle tutarsızlık gösterebiliyor.
  • LLM ajanları bazı oyunlarda insanlardan daha işbirlikçi veya adil çıktı (örn. Dictator Game, Prisoner’s Dilemma).
  • Çoklu ajan sistemlerinde sosyal dinamikler (homofili, tekrar etkileşim eğilimi) ortaya çıktı.
  • Çoklu ajan LLM yaklaşımı, tekli ajan mimarisine göre insan davranışıyla çok daha yüksek uyum sağladı (88% vs. 50%).

Bulgular

  • İnsan benzerliği: LLM ajanları ekonomik teorilerle uyumlu davranışlar sergiledi (talep eğrisi, azalan marjinal fayda).

  • Tutarsızlık ve önyargılar: İsim ve cinsiyet gibi anlamsız değişkenler bile kararları etkileyebildi.

  • Rasyonellik farkı: LLM’ler insanlara göre daha adil (Dictator Game) ve daha işbirlikçi (Prisoner’s Dilemma %65 vs. insan %37).

  • Bağlam etkisi: Sağlık bilgisi verilen epidemik modellerde evde kalma eğilimi arttı; topluluk verisi sağlandığında sosyal etkileşim daha da azaldı.

  • Çoklu ajan avantajı: Ultimatum Game’de çoklu LLM sistemleri insan davranışını %88 oranında yakaladı.

  • LLM Modelleri: 5

  • Sentetik Veri: 4

  • Yöntem: 5

  • Hız: 2

  • Etik: 2

  • Doğruluk Oranı: 4

  • Demografi: 2

Bu makale ile ilgili daha detaylı bilgiye ulaşmak isterseniz buraya tıklayarak ilgili makalenin ekine ulaşabilirsiniz.

5 dakikalık okuma

Diğer ilgili yazılarımız

Analyzing Brand Perception in LLMs

LLM’lerin markalara yönelik yanlılık (bias) ve tutarlılık düzeylerinin değerlendirilmesi.

Devamını oku

Beyond Demographics: Aligning Role-playing LLM-based Agents Using Human Belief Networks

LLM ajanlarının insan davranışlarıyla uyumu; demografik bilgiler ve inanç ağları kullanımı ile görüş taklit doğruluğu.

Devamını oku

Can LLMs Capture Human Preferences?

LLM’lerin insan tercihlerini taklit etme yeteneği ve dil ile chain-of-thought yöntemlerinin etkisi.

Devamını oku

Comparing Traditional and LLM-based Search for Consumer Choice: A Randomized Experiment

LLM tabanlı arama sistemlerinin geleneksel aramaya kıyasla verimlilik, doğruluk, kullanıcı algısı ve hata yönetimi üzerindeki etkilerinin incelenmesi ve güven vurgularının rolü.

Devamını oku

Do LLM Agents Exhibit Social Behavior?

LLM’lerin sosyal etkileşimlerdeki davranışları, grup kimliği ve karşılıklılık mekanizmaları ile Chain-of-Thought (CoT) süreçlerinin bu davranışları öngörmedeki rolü.

Devamını oku

Enhancing LLM Decision-Making with Factor Profiles and Analogical Reasoning (DEFINE)

LLM’lerin belirsizlik içeren finansal senaryolarda rasyonel karar verme yetenekleri; faktör profilleri ve tarihsel analoji kullanımı ile karar doğruluğu ve şeffaflığın artırılması.

Devamını oku

Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?

LLM’lerin davranışsal ekonomi deneylerindeki insan ajanlarını taklit etme kapasitesi; model çeşitliliği, endowment etkisi ve deneylerin yeniden üretilebilirliği.

Devamını oku