arXiv · cs.AI · Grace Jiarui Fan, Chengpiao Huang, Tianyi Peng, Kaizheng Wang, Yuhang Wu · 8 小时前模型评分36
SYN-DIGITS：面向数字孪生模拟校准的合成控制框架
SYN-DIGITS: A Synthetic Control Framework for Calibrated Digital Twin Simulation
导读
SYN-DIGITS 是一个与模型无关的事后校准框架，通过学习数字孪生（用大语言模型模拟特定人物的代理）在问题间的关系，将其迁移用于预测人类回答。在无目标问题人类数据的冷启动场景下，该框架在三个数据集、十三种人物构建上使个体层面相关性相对提升 11% 至 417%，分布差异相对降低 46% 至 57%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose SYN-DIGITS, a model-agnostic, post-hoc calibration framework that learns relationships among questions from digital twins and transfers them to predict human responses.”
来源：arXiv · cs.AI · arxiv.org