- 简介预测未来事件对政策和决策制定非常重要。在这项工作中,我们研究了语言模型(LMs)是否能够在竞争性人类预测者的水平上进行预测。为了实现这个目标,我们开发了一个检索增强的LM系统,旨在自动搜索相关信息,生成预测并聚合预测。为了促进我们的研究,我们收集了来自竞争性预测平台的大量问题数据集。在我们的LMs的知识切断后发布的测试集下,我们评估了我们的系统的端到端性能与人类预测的聚合值相比。平均而言,该系统接近竞争预测者的聚合值,并在某些情况下超过它。我们的工作表明,使用LMs来预测未来可能会提供准确的预测,并帮助机构决策制定。
- 图表
- 解决问题研究语言模型是否能够像人类预测者一样准确地预测未来事件,以便为政策和决策制定提供帮助。
- 关键思路开发了一种检索增强的语言模型系统,用于自动搜索相关信息、生成预测并聚合预测结果,通过大量竞争性预测平台的问题数据集进行测试,结果表明该系统的预测准确性接近或超过人类预测者的聚合结果。
- 其它亮点论文使用了竞争性预测平台的问题数据集进行测试,开发了一种检索增强的语言模型系统,该系统的预测准确性接近或超过人类预测者的聚合结果。
- 最近的相关研究主要集中在使用语言模型进行预测,如《GPT-3:语言模型的新里程碑》、《BERT:预训练的深度双向Transformer模型在各种任务上的表现》等。
沙发等你来抢
去评论
评论
沙发等你来抢