論文の概要: Persona-driven Simulation of Voting Behavior in the European Parliament with Large Language Models

• arxiv url: http://arxiv.org/abs/2506.11798v1
• Date: Fri, 13 Jun 2025 14:02:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.820721
• Title: Persona-driven Simulation of Voting Behavior in the European Parliament with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた欧州議会の投票行動のペルソナ駆動シミュレーション
• Authors: Maximilian Kreutner, Marlene Lutz, Markus Strohmaier,
• Abstract要約: 限られた情報によるゼロショットペルソナが、個別の投票決定を正確に予測できるかどうかを解析する。 欧州議会議員の投票行動は、重み付けされたF1スコアが約0.793で合理的にシミュレートできることがわかった。
• 参考スコア（独自算出の注目度）: 1.7990260056064977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) display remarkable capabilities to understand or even produce political discourse, but have been found to consistently display a progressive left-leaning bias. At the same time, so-called persona or identity prompts have been shown to produce LLM behavior that aligns with socioeconomic groups that the base model is not aligned with. In this work, we analyze whether zero-shot persona prompting with limited information can accurately predict individual voting decisions and, by aggregation, accurately predict positions of European groups on a diverse set of policies. We evaluate if predictions are stable towards counterfactual arguments, different persona prompts and generation methods. Finally, we find that we can simulate voting behavior of Members of the European Parliament reasonably well with a weighted F1 score of approximately 0.793. Our persona dataset of politicians in the 2024 European Parliament and our code are available at https://github.com/dess-mannheim/european_parliament_simulation.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、政治的言論を理解したり、あるいは生み出すのに顕著な能力を示すが、進歩的な左傾バイアスは一貫して現れる。 同時に、いわゆるペルソナやアイデンティティープロンプトは、基礎モデルが整合していない社会経済グループと整合するLLM行動を生み出すことが示されている。 本研究は,限定情報によるゼロショットペルソナが個別の投票決定を正確に予測できるかどうかを分析し,多種多様な政策で欧州グループの位置を正確に予測する。 我々は,予測が対実的議論,異なるペルソナプロンプト,生成方法に対して安定であるかどうかを評価する。 最後に、欧州議会議員の投票行動のシミュレートが可能であり、重み付きF1スコアは約0.793である。 2024年の欧州議会の政治家とコードのペルソナデータセットはhttps://github.com/dess-mannheim/european_parliament_simulationで公開されています。

関連論文リスト

• Deep Binding of Language Model Virtual Personas: a Study on Approximating Political Partisan Misperceptions [4.234771450043289]
  大規模言語モデル(LLM)は、人間の振る舞いをシミュレートする能力が高まっている。 本稿では, マルチターンインタビュー文として, 合成ユーザバックストリーを用いた仮想ペルソナ構築手法を提案する。 我々の生成したバックストリーはより長く、細部が豊富で、特定の個人を記述するのに一貫性がある。
  論文  参考訳（メタデータ） (2025-04-16T00:10:34Z)
• Beyond Partisan Leaning: A Comparative Analysis of Political Bias in Large Language Models [6.549047699071195]
  本研究では、大規模言語モデルにおける政治的行動を評価するために、ペルソナフリーでトピック固有のアプローチを採用する。 米国、ヨーロッパ、中国、中東で開発された43の大規模言語モデルからの反応を分析した。 発見は、ほとんどのモデルが中心左あるいは左イデオロギー的にリーンであり、非党派的エンゲージメントパターンが異なることを示している。
  論文  参考訳（メタデータ） (2024-12-21T19:42:40Z)
• ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
  我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。 ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。 PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
  論文  参考訳（メタデータ） (2024-10-28T05:25:50Z)
• United in Diversity? Contextual Biases in LLM-Based Predictions of the 2024 European Parliament Elections [42.72938925647165]
  大規模言語モデル(LLM)に基づく「合成サンプル」は、人間の調査の効率的な代替手段として有効であると議論されている。 合成サンプル」は、訓練データや微調整プロセスが多様な文脈を表わさないため偏見を呈する可能性がある。 本研究は, LLM生成合成試料を公衆の意見予測に利用できるか, どのような条件で利用できるかを検討する。
  論文  参考訳（メタデータ） (2024-08-29T16:01:06Z)
• GermanPartiesQA: Benchmarking Commercial Large Language Models for Political Bias and Sycophancy [20.06753067241866]
  我々は,OpenAI, Anthropic, Cohereの6つのLDMのアライメントをドイツ政党の立場と比較した。 我々は、主要なドイツの国会議員のベンチマークデータと社会デマグラフィーデータを用いて、迅速な実験を行う。
  論文  参考訳（メタデータ） (2024-07-25T13:04:25Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Large Language Models (LLMs) as Agents for Augmented Democracy [6.491009626125319]
  我々は、市民の嗜好に関するデータを増やすために、既成のLLMを微調整した拡張民主主義システムについて検討する。 被験者の個人の政治的選択と参加者の全サンプルの集合的選好の両方をLLMが予測する精度を推定するために、列車試験のクロスバリデーション・セットアップを使用する。
  論文  参考訳（メタデータ） (2024-05-06T13:23:57Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。