Дизайн сайта кальянной Мятный Joe

🌠 UI_UX inspiration

Шрифт Politburo by Serg Shishin

Бесплатно для личных и коммерческих проектов.

📁Скачать Шрифт

#Latin #Free #Cyrillic

🅰️ Новые шрифты

All in one Fness Mobile App UI K

💾 Скачать и использовать
https://disk.yandex.ru/d/Aj0GVBugA-RSvg

🔎 Посмотреть описание
https://ui8.net/digiverxe/products/all-in-one-fness-mobile-app-ui-k

#uik #adobexd

Источник

👨 Дизайн-телега

Опять про синтетических респондентов. Свежее из The Behavioral Economics Guide 2025

К новостям поведенческой экономики, вышел регулярный ежегодник The Behavioral Economics Guide 2025 про всякие новости в сфере. Открываю, ба, и тут синтетические респонденты. Что пишут?

1. Хотят проверить гипотезу, что если синтетические научены на данных WEIRD - это искажение, если их использовать в другой среде. WEIRD — это акроним, используемый в социальных науках, особенно в психологии и поведенческой экономике, для описания определенного типа популяций, которые часто используются в исследованиях, но не являются полностью репрезентативными для мирового населения. Он расшифровывается как: Western, Educated, Industrialized, Rich, and Democratic. Запустили для сравнения ответов с жителями Саудовской Аравии на датасете из данных опросов жителей Аравии

2. Хотят проверить сходство и отличие выборки живых людей и синтетических респондентов на ответы. Для всех остается неясным, могут ли синтетические участники точно предсказывать реальные поведенческие реакции на интервенции. Те выборка из сотен синтетических респондентов статистически значимо может быть не схожа с реальной выборкой из сотен живых людей. А может быть и схожа в других случаях, поэтому это надо проверить

Как создавали
Одноэтапное промптирование:
Синтетические участники генерируются с использованием одного промпта, содержащего структурированные входные переменные (n = 7,652). Эти переменные были взяты из национально репрезентативных государственных наборов данных ОАЭ и включают демографическую и установочную информацию, охватывающую благополучие, социальные ценности и климатические установки. Каждый промпт формулируется во втором лице (например, «Вы живете в ОАЭ. Вы женщина. Вам 29 лет»).
Затем модель просят генерировать ответы на вопросы опроса или поведенческие интервенции на основе этой идентичности. Этот метод относительно более вычислительно эффективен и требует меньше времени.

Промптирование с портретами личности:
В этом подходе Falcon LLM предоставляются те же входные переменные, но модель инструктируется генерировать нарративный «портрет личности»: краткое, но подробное описание личности на основе этих атрибутов. Эти синтетические персоны затем вводятся в модель, которой предлагается предсказать, как эта личность будет реагировать на вопросы опроса или поведенческие интервенции.
Растущее количество исследований предполагает, что такой тип — предоставление более широкого личностного контекста — может улучшить реалистичность и надежность ответов, сгенерированных LLM (Argyle et al., 2013; Flahavan, 2023). Этот двухэтапный процесс сравнительно более ресурсоемкий; однако была гипотеза, что он может давать более точные ответы.

Воспроизведение результатов экспериментов: Последний тест пытался моделировать результаты двух онлайн-рандомизированных контролируемых испытаний (РКИ), проведенных с реальными репрезентативными выборками из ОАЭ. Мы тестировали, могут ли синтетические участники (1) правильно определять наиболее и наименее эффективные интервенции и (2) приближаться к относительным размерам эффекта, наблюдаемым в онлайн-экспериментах с реальными участниками.

Хорошая новость: если брать датасет наученный на саудитах, то они похожи на ответы реальных саудитов и синтетики подражают ответам
Плохая новость: синтетические участники показали меньшую точность в вопросах, связанных с климатом, по сравнению с другими темами.