Modelli Base vs Post-Addestrati: Emulazione vs Stima nella Simulazione di Opinioni

Un recente articolo su arXiv (2608.03044) esplora le ragioni alla base dei risultati incoerenti dei grandi modelli linguistici quando simulano opinioni umane. I ricercatori distinguono tra due compiti: emulazione, dove i modelli creano risposte individuali che si combinano in una distribuzione di popolazione, e stima, dove i modelli mirano a prevedere direttamente la distribuzione della popolazione. La loro valutazione di sei modelli base e post-addestrati utilizzando il Pew American Trends Panel rivela che i modelli base performano meglio nell'emulazione, allineandosi più strettamente con le risposte umane e mantenendo l'integrità demografica. Al contrario, i modelli post-addestrati eccellono nella stima, fornendo previsioni più precise. I risultati indicano che la scelta del modello appropriato per simulare opinioni umane dovrebbe allinearsi al compito specifico, poiché mescolare questi compiti potrebbe chiarire precedenti discrepanze. Questo articolo è accessibile su arXiv ed è stato presentato come una sottomissione di tipo cross.