Pew 数字孪生误差大,直接问前沿模型更准且成本仅千分之一
paulnovosad · x · 2026-10-02
经济学家 Arpit Rage 引用 John Horton 对 Pew 研究中心新研究的评论:Pew 构建了丰富的「数字孪生」(用 AI 模拟受访者)并与真人受访者对比,结果平均误差很大。更有意思的是,Horton 发现直接让前沿模型输出问题的回答分布,准确度远高于数字孪生,而成本只有其约 1/1000——「苦涩的教训也降临到数字孪生头上了」。这对合成样本、社会模拟类研究方法是有分量的质疑。
「漫话AGI」频道最新
- Machine Earning 峰会:个人 Agent 席卷金融圈,一年内或占数字工作时间 40% — illscience · 2026-10-02
- 开发者喊话:趁 AI 爆改还有含金量,赶紧动手构建 — EddyVGG · 2026-10-02
- 博主撰文力挺 OpenAI:追求智能普惠的野心最值得信任 — VraserX · 2026-10-02
- 爆料:Anthropic 曾施压梵蒂冈修改文件,避免否认 AI 人格 — StewartalsopIII · 2026-10-02
- 美国人对 AI 态度转变:从怕丢工作到怕失控 — ben_j_todd · 2026-10-02
- AI 将重写成本曲线:替换遗留系统的代价正趋近于零 — natesiggard · 2026-10-02