研究评估LLM生成行为数据能否用于流行病学建模
热点事件持续更新
研究评估LLM生成行为数据能否用于流行病学建模
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
一项新研究评估大语言模型生成的行为数据能否弥补流行病学建模中行为数据稀疏的问题，以注射吸毒人群的丙型肝炎相关行为为案例。作者Sophia Mao等称，在三个LLM上，28项文献关联的无条件方向恢复率为46-68%，而直接让模型分类同一批关联时一致率达82-93%。 研究还报告，LLM生成结果与基于智能体的模型（ABM）及调查所得相关性模式的平均绝对差异分别为0.11-0.13和0.15-0.18。这些指标显示，模型直接分类关联的表现优于其生成行为模式的方向恢复，生成结果与既有建模和调查数据之间仍存在差距。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
大语言模型生成的行为模式能否用于流行病学建模：多基准评估框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI大语言模型生成的行为模式能否用于流行病学建模：多基准评估框架
研究以注射吸毒人群的丙型肝炎相关行为为案例，评估 LLM 生成的行为输出能否弥补流行病学建模中行为数据稀疏的问题。在三个 LLM 上，28 项文献关联的无条件方向恢复率为 46-68%，而直接让模型分类同一批关联时一致率达 82-93%；与 ABM 和调查相关性模式的平均绝对差异分别为 0.11-0.13 和 0.15-0.18。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。