En este momento estás viendo 
<span class="bsf-rt-reading-time"><span class="bsf-rt-display-label" prefix="Tiempo de lectura"></span> <span class="bsf-rt-display-time" reading_time="1"></span> <span class="bsf-rt-display-postfix" postfix="mins"></span></span><!-- .bsf-rt-reading-time -->Los modelos de idiomas grandes son tomadores de decisiones casi óptimos con un comportamiento de aprendizaje no humano

Los modelos de idiomas grandes son tomadores de decisiones casi óptimos con un comportamiento de aprendizaje no humano

  • Autor de la entrada:
  • Categoría de la entrada:Noticias externas

Resumen: La toma de decisiones humanas pertenece a la base de nuestra sociedad y civilización, pero estamos al borde de un futuro donde gran parte se delegará a la inteligencia artificial. La llegada de modelos de idiomas grandes (LLM) ha transformado la naturaleza y el alcance de la toma de decisiones respaldadas por la IA; Sin embargo, el proceso por el cual aprenden a tomar decisiones, en comparación con los humanos, sigue siendo poco conocido. En este estudio, examinamos el comportamiento de toma de decisiones de cinco LLM principales en tres dimensiones centrales de la toma de decisiones del mundo real: incertidumbre, riesgo y cambio de conjunto. Utilizando tres tareas de psicología experimental bien establecidas diseñadas para investigar estas dimensiones, comparamos LLMS contra 360 participantes humanos recién reclutados. En todas las tareas, los LLM a menudo superaban a los humanos, abordando el rendimiento casi óptimo. Además, los procesos subyacentes a sus decisiones divergieron fundamentalmente de los de los humanos. Por un lado, nuestro hallazgo demuestra la capacidad de los LLM para manejar la incertidumbre, calibrar el riesgo y adaptarse a los cambios. Por otro lado, esta disparidad resalta los riesgos de confiar en ellos como sustitutos del juicio humano, pidiendo una mayor investigación.

Publicado Originalme en export.arxiv.org El 22 de junio de 2025.
Ver Fuente Original

admin

Usuario de administración del sitio web