Use of LLMs for Generating Synthetic ARDs to Make Estimates in Electoral Processes
Cette étude propose et valide un cadre méthodologique utilisant des modèles de langage étendus (LLM) comme répondants synthétiques dans les enquêtes électorales indirectes, démontrant que lorsqu'elles sont traitées via la méthode d'extrapolation par l'échelle du réseau (NSUM), les données générées par les LLM peuvent reproduire efficacement les schémas de vote agrégés observés dans les enquêtes indirectes réelles lors d'élections en Espagne et au Chili.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.