A semantic embedding space based on large language models for modelling human beliefs

要約

信念は、人間の認知と意思決定の基礎を形成し、私たちの行動と社会的つながりを導きます。
信念とその相互関係をカプセル化するモデルは、私たちの行動に対する彼らの影響を理解するために重要です。
しかし、信念の相互作用に関する研究は、多くの場合、特定の問題に関連する信念に限定されており、調査に大きく依存しています。
オンラインユーザーの討論データを活用し、微調整された大手言語モデル（LLM）を使用して構築されたニューラル埋め込みスペースに信念をマッピングすることにより、数千の信念間の微妙な相互作用を研究する方法を提案します。
この信念空間は、社会問題全体の多様な信念の相互接続性と二極化を捉えています。
私たちの調査結果は、この信念空間内の立場が個人の新しい信念を予測し、既存の信念と新しい信念の間の距離に基づいて認知的不協和を推定することを示しています。
この研究は、LLMが人間の信念の集合的なオンライン記録と組み合わさって、人間の信念形成を支配する基本原則に関する洞察を提供する方法を示しています。

要約(オリジナル)

Beliefs form the foundation of human cognition and decision-making, guiding our actions and social connections. A model encapsulating beliefs and their interrelationships is crucial for understanding their influence on our actions. However, research on belief interplay has often been limited to beliefs related to specific issues and relied heavily on surveys. We propose a method to study the nuanced interplay between thousands of beliefs by leveraging an online user debate data and mapping beliefs onto a neural embedding space constructed using a fine-tuned large language model (LLM). This belief space captures the interconnectedness and polarization of diverse beliefs across social issues. Our findings show that positions within this belief space predict new beliefs of individuals and estimate cognitive dissonance based on the distance between existing and new beliefs. This study demonstrates how LLMs, combined with collective online records of human beliefs, can offer insights into the fundamental principles that govern human belief formation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google