PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.02464v2cs.CL

Will Scaling Improve Social Simulation with LLMs?

스케일링 법칙(scaling laws)을 활용해 LLM의 컴퓨팅 규모와 사회 시뮬레이션 충실도 간의 관계를 의견 모델링, 행동 시뮬레이션, 종단 예측 세 영역에서 체계적으로 분석한 연구로, 85개 Qwen3 기반 모델과 35개 오픈 웨이트 모델 실험을 통해 대부분의 시뮬레이션 과제는 스케일 확대 시 성능이 향상되지만, 위험 회피 같은 인지 편향 보정이나 저자원 집단의 종단 예측 등 일부 과제는 스케일링으로 개선되지 않음을 밝혔다.

arXiv:2607.10628v1cs.CL

Anamnesis: 대규모 배경 이야기 조건부 설문 시뮬레이션을 위한 오픈소스 플랫폼

Anamnesis: An Open-Source Platform for Large-Scale Backstory-Conditioned Survey Simulation

우리는 대규모 언어 모델(LLM)을 활용하여 인구통계학적으로 제어 가능한 설문 시뮬레이션을 수행하는 인터랙티브 시스템인 Anamnesis를 제시한다. 오픈소스로 공개되며 비전문 사용자 및 연구자를 위해 설계된 Anamnesis는 실제 인간 피험자 대신 가상 집단을 대상으로 설문 도구의 프로토타이핑 및 스트레스 테스트를 가능하게 한다. 이 플랫폼은 최근 제안된 Anthology 및 Alterity 프레임워크를 통합 웹 인터페이스 내에서 구현하며, 구조화된 서사 배경 이야기를 활용하여 모델 응답을 조건화한다. 자유 형식 생성, 확률적 인구통계 재샘플링, 그리고 멀티모달(이미지 및 오디오) 설문을 지원한다. 시스템 평가는 두 가지 사례 연구를 통해 수행되었다: (1) Pew Research Center의 American Trends Panel(ATP)에서 정치적 유형론 및 생의학 이슈 관련 항목 재현, (2) New Yorker Caption Contest에서의 인간 선호도 에뮬레이션. 두 경우 모두에서 Anamnesis는 표준 페르소나 프롬프트 베이스라인보다 실제 설문 데이터에 더 근접한 의견 분포를 생성하며, 독점 시뮬레이션 서비스에 대한 투명하고 재현 가능한 오픈소스 대안을 제시한다.