“`html
Новые возможности в эконометрическом моделировании
Последние достижения в эконометрическом моделировании и проверке гипотез свидетельствуют о переходе к интеграции методов машинного обучения. Однако для эффективной генерации и тщательного тестирования этих моделей требуется провести еще больше исследований.
Инновационный подход от MIT и Harvard
Исследователи из MIT и Harvard представляют новый подход, объединяющий автоматическую генерацию гипотез с тестированием гипотез в виртуальной среде. Этот инновационный метод использует возможности больших языковых моделей (LLM) для моделирования человеческого поведения с высокой достоверностью, предлагая перспективное направление для тестирования гипотез, которое может привести к открытию новых идей, недоступных с помощью традиционных методов.
Применение структурных причинно-следственных моделей
Основой этого подхода является применение структурных причинно-следственных моделей в качестве руководящей основы для генерации гипотез и дизайна экспериментов. Эти модели определяют причинно-следственные связи между переменными и давно служат основой для выражения гипотез в социальных исследованиях. Однако данное исследование выделяется использованием структурных причинно-следственных моделей не только для формулирования гипотез, но и в качестве основы для разработки экспериментов и генерации данных.
Операционализация подхода на основе структурных причинно-следственных моделей
Ключевым моментом в операционализации этого подхода является разработка открытой вычислительной системы. Эта система интегрирует автоматическую генерацию гипотез, дизайн экспериментов, моделирование с использованием агентов, основанных на LLM, и последующий анализ результатов. Через серию экспериментов в различных социальных сценариях эта система демонстрирует свою способность автономно генерировать и тестировать несколько опровержимых гипотез, приводя к практическим результатам.
Возможности и проблемы
Полученные результаты подчеркивают эмпирическую обоснованность подхода, однако возникают вопросы о необходимости симуляций в тестировании гипотез. Исследование проводит предсказательные задачи, выявляя значительные различия между предсказаниями, сделанными LLM, и эмпирическими результатами и теоретическими ожиданиями.
Для получения дополнительной информации, ознакомьтесь с нашей статьей.
Все права на это исследование принадлежат его авторам.
Не забудьте подписаться на наш Twitter.
Присоединяйтесь к нашему каналу в Telegram, Discord и LinkedIn.
Если вам нравится наша работа, вам понравится наша рассылка.
Не забудьте присоединиться к нашему сообществу в 40k+ ML SubReddit.