Nature 综述：LLM 当人类代理有四种角色，各自需不同有效性标准
iyadrahwan · x · 2026-09-21
Karetnikov、Iyad Rahwan 与 Davor Svetinovic 在 Nature Computational Science 发表综述 《Large language models as human proxies》，系统分析多学科中显式或隐式将 LLM 用作「人类代理」的研究，归纳出四种角色：
- Believable agents（可信代理）
- Task agents（任务代理）
- Experimental subjects（实验被试）
- Silicon samples（硅基样本）
核心结论：与人类的「相似性」不是单一特征——每种角色支撑不同的科学主张，需要各自不同的有效性（validity）判据。这一框架为用 LLM 模拟人类行为的新兴应用与科学研究提供了分类与评估基础。
所属事件:Nature 综述梳理 LLM 充当人类代理的四类角色与效度标准(2 条相关)→
「漫话AGI」频道最新
- Pedro Domingos 调侃「Dario 定律」：所需算力也在指数增长 — pmddomingos · 2026-11-12
- Jaron Lanier 纽约时报撰文：硅谷正用 AI 末日叙事搞砸自己 — databoydg · 2026-11-12
- AI agent 用得越多，瓶颈越是你自己：人类信息处理仅 10 bits/s — soumitrashukla9 · 2026-11-12
- Matt Pocock:能把业务讲清楚,AI 时代你就完成了半套自动化软件 — mattpocockuk · 2026-11-12
- 研究者提议:AI 进展评估应报告效率增益指标,而非只看最终跑分 — eliebakouch · 2026-11-12
- Bittensor 子网 NOVA 用「先做出药物资产」证明 AI 制药平台实力 — markjeffrey · 2026-11-12