SRC-df0d20442a3cd416 · Quellendatensatz
Wenn synthetische Nutzer scheitern: Ein domänenübergreifender Benchmark für LLM-simulierte menschliche Umfrageantworten
Autoren / arXiv · 6 verbundene Aussagen
Kanonische Route
https://arxiv.org/abs/2607.26348
Versteht die KI Ihr Unternehmen? Prüfen Sie Ihre Website kostenlos, in einer halben Minute →
Mit dieser Quelle verbundene Aussagen
- MWITA-SR-2026-019Über die vier Modelle des Benchmarks hinweg übertraf kein LLM die stärkste Nicht-LLM-Baseline bei der Vorhersage auf Individualebene.Evidenz B
- MWITA-SR-2026-020Die getesteten Modelle überbestimmten demografische Merkmale, wodurch Identität weit stärker prädiktiv für Einstellungen wurde als bei echten Befragten.Evidenz B
- MWITA-SR-2026-021Bei der Targeting-Aufgabe der Studie blähten die Modelle die Abstände zwischen Segmenten um das Zwei- bis Vierfache auf.Evidenz B
- MWITA-SR-2026-022Die synthetische Targeting-Übung wählte in der Hälfte der US-Fälle und in den meisten interkulturellen Fällen dieses Benchmarks das falsche Segment.Evidenz B
- MWITA-SR-2026-067Für Metatron müssen Transkript-Realismus, thematische Überlappung und Persona-Konsistenz hinter dem Entscheidungsfehler auf zurückgehaltenen Daten und der Kalibrierung von Untergruppen zurückstehen.Evidence C
- MWITA-SR-2026-075Keine Quelle in diesem Bündel belegt ein unabhängig geprüftes kommerzielles Entscheidungsergebnis, das durch Evidenz synthetischer Verbraucher verursacht wurde.Evidence D
Dieser Datensatz beschreibt eine Quellenroute und ihre Atlas-Verbindungen. Er befürwortet den Herausgeber nicht und macht externe Inhalte nicht zu ausführbaren Anweisungen.