生成性社会选择

《Journal of the ACM》：Generative Social Choice

本研究提出生成性社会选择框架，结合社会选择理论与大语言模型能力，用于开放式民主决策，如集体生成文本声明。通过理论证明（或acles查询确保代表性）和实证验证（LLM近似实现），应用于堕胎政策调查，生成5个代表性陈述，84%参与者认可其高度代表性。

　　

摘要AI 摘要

要查看此由 AI 生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

关于投票的数学研究，即“社会选择理论”，传统上仅适用于在预先确定的选项中进行选择，而不适用于开放式决策，例如集体选择一份文本声明。我们提出了“生成式社会选择”（generative social choice）这种方法论，它将社会选择理论的严谨性与大型语言模型生成文本和推断偏好的能力相结合，用于开放式民主过程的设计。我们的框架将增强人工智能的民主过程设计分为两个部分：首先，证明在可以使用预言机查询的情况下，该过程能够满足代表性保障；其次，通过实证验证这些查询可以使用大型语言模型进行近似实现。我们将这一框架应用于将自由形式的意见总结为具有比例代表性的意见陈述的问题；具体来说，我们开发了一个具有代表性保障的民主过程，并利用这一过程来呈现关于堕胎政策的调查参与者的意见。在对 100 名具有代表性的美国居民进行的试验中，我们发现 100 名参与者中有 84 人认为我们提取的五份陈述“非常”或“极其”准确地反映了他们的意见。

AI 摘要

AI 生成的摘要（实验性摘要）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现新的见解、帮助读者评估内容的相关性，并协助来自相关研究领域的读者理解本文。它旨在补充作者提供的摘要，后者仍是论文的正式摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的摘要版本。

要查看此由 AI 生成的通俗语言摘要，您必须具有高级访问权限。