Цифровой геноцид

LLM и политические дебаты. Свежая статья
Simulating The U.S. Senate: An LLM-Driven Agent Approach to Modeling Legislative Behavior and Bipartisanship

На сегодняшний день ни одно исследование не смоделировало правдоподобные действия правительства с использованием LLM. Авторы представляем первую попытку использовать виртуальных агентов, управляемых LLM, для имитации Сената США, уделяя особое внимание Специальному комитету по разведке в качестве доказательства концепции. Авторы определили агентов со специфическими характеристиками, соответствующими их роли в качестве сенаторов США (имя, поддерживаемая политика, ключевые характеристики, годы службы). Затем они поместили агентов в дебаты друг с другом по различным сложным вопросам. Каждому агенту был назначен поток памяти, к которому он мог обращаться во время дебатов, чтобы информировать обсуждения о контексте предыдущих взаимодействий.

В конце каждого сегмента обсуждения авторы могли попросить агентов поразмышлять над конкретными идеями, после чего они получили бы доступ к одному и тому же потоку памяти для создания соответствующих выводов.
Каждый из агентов представлял различных сенаторов в сенатском комитете по разведке 2024 года. Чтобы предоставить точную информацию о каждом сенаторе его представителю, мы обратились к популярной модели LLM GPT-3.5 с помощью API OpenAI для создания краткой политики и ключевых характеристик каждого члена комитета.

Например, для сенатора-республиканца Марко Рубио от Флориды LLM подготовил следующую политическую биографию: «Моя политика направлена ​​на ускорение экономического роста и усиление роли Америки в мире». Затем для каждого сенатора его имя, годы службы, партия, черты характера и политика были сохранены в файле JSON, к которому можно было получить доступ во время моделирования.

Агенты демонстрировали высокую точность и вдумчивость при подведении итогов своих действий. Например: Агент Рубио: «Во время заседания комитета я решительно выступал за существенную военную помощь Украине. Учитывая новую информацию о том, что Россия собирается захватить Украину, я подчеркнул безотлагательность нашей поддержки. Я считаю, что мы не можем себе этого позволить. подождите, и наш ответ должен быть быстрым и решительным. Я удовлетворен результатом, тем более, что нам удалось договориться о пакете чрезвычайной помощи, который включает как военную, так и гуманитарную помощь, а также положения о надзоре».
Это размышление точно отражало роль агента в дебатах, основные аргументы и удовлетворенность результатом, демонстрируя понимание срочности ситуации и достигнутого компромисса. Точно так же агент Уайден представил детальную оценку, которая признала как безотлагательность ситуации, так и обеспокоенность по поводу ответственности.

https://arxiv.org/pdf/2406.18702

www.group-telegram.com/no/gulagdigital.com/2690

1.6K viewsJun 28, 2024 at 20:36

LLM и политические дебаты. Свежая статья
Simulating The U.S. Senate: An LLM-Driven Agent Approach to Modeling Legislative Behavior and Bipartisanship

На сегодняшний день ни одно исследование не смоделировало правдоподобные действия правительства с использованием LLM. Авторы представляем первую попытку использовать виртуальных агентов, управляемых LLM, для имитации Сената США, уделяя особое внимание Специальному комитету по разведке в качестве доказательства концепции. Авторы определили агентов со специфическими характеристиками, соответствующими их роли в качестве сенаторов США (имя, поддерживаемая политика, ключевые характеристики, годы службы). Затем они поместили агентов в дебаты друг с другом по различным сложным вопросам. Каждому агенту был назначен поток памяти, к которому он мог обращаться во время дебатов, чтобы информировать обсуждения о контексте предыдущих взаимодействий.

В конце каждого сегмента обсуждения авторы могли попросить агентов поразмышлять над конкретными идеями, после чего они получили бы доступ к одному и тому же потоку памяти для создания соответствующих выводов.
Каждый из агентов представлял различных сенаторов в сенатском комитете по разведке 2024 года. Чтобы предоставить точную информацию о каждом сенаторе его представителю, мы обратились к популярной модели LLM GPT-3.5 с помощью API OpenAI для создания краткой политики и ключевых характеристик каждого члена комитета.

Например, для сенатора-республиканца Марко Рубио от Флориды LLM подготовил следующую политическую биографию: «Моя политика направлена ​​на ускорение экономического роста и усиление роли Америки в мире». Затем для каждого сенатора его имя, годы службы, партия, черты характера и политика были сохранены в файле JSON, к которому можно было получить доступ во время моделирования.

Агенты демонстрировали высокую точность и вдумчивость при подведении итогов своих действий. Например: Агент Рубио: «Во время заседания комитета я решительно выступал за существенную военную помощь Украине. Учитывая новую информацию о том, что Россия собирается захватить Украину, я подчеркнул безотлагательность нашей поддержки. Я считаю, что мы не можем себе этого позволить. подождите, и наш ответ должен быть быстрым и решительным. Я удовлетворен результатом, тем более, что нам удалось договориться о пакете чрезвычайной помощи, который включает как военную, так и гуманитарную помощь, а также положения о надзоре».
Это размышление точно отражало роль агента в дебатах, основные аргументы и удовлетворенность результатом, демонстрируя понимание срочности ситуации и достигнутого компромисса. Точно так же агент Уайден представил детальную оценку, которая признала как безотлагательность ситуации, так и обеспокоенность по поводу ответственности.

https://arxiv.org/pdf/2406.18702

BY Цифровой геноцид