An LLM-based Delphi Study to Predict GenAI Evolution
作者: Francesco Bertolotti, Luca Mari
发布时间: 2025-03-03
来源: arxiv
研究方向: 人工智能与预测方法
主要内容
本文提出了一种基于大型语言模型（LLM）的德尔菲研究方法，用于预测复杂系统的未来发展趋势。该方法通过LLM生成文本来模拟专家意见，从而在数据稀缺或不可靠的情况下进行定性预测。
主要贡献
1. 提出了一种基于LLM的德尔菲研究方法，用于定性预测复杂系统的发展趋势。
2. 将LLM应用于德尔菲研究，解决了传统德尔菲方法中的人为偏见和疲劳问题。
3. 通过LLM模拟专家意见，实现了对复杂问题的多角度分析和预测。
4. 为LLM在决策支持和结构化讨论中的应用提供了新的思路和方法。
研究方法
1. 德尔菲研究方法
2. 大型语言模型（LLM）
3. 文本生成技术
4. 迭代分析
5. 多轮调查
实验结果
实验结果表明，LLM-based Delphi方法可以有效地生成关于GenAI演变的结构化预测。研究发现，地缘政治紧张、经济差距和监管框架对GenAI的发展有重要影响。该方法允许广泛的情景探索，揭示了GenAI治理、协作和伦理考虑的潜在途径。
未来工作
未来研究可以探索以下方向：1.改进LLM的行为，以实现知识多样性和行为多样性；2.开发混合人类-LLM德尔菲技术，结合人类专家和LLM的优势；3.将LLM与检索增强生成框架集成，以获取外部信息源；4.分析系统的敏感性，以了解不同配置对结果的影响。