按年被提到
20242024 · 3 次2026
机器学习与深度学习›时间序列与天气预报·arXiv:2402.18563 · cs.LG

Approaching Human-Level Forecasting with Language Models

语言模型逼近人类水平的预测能力
Danny Halawi, Fred Zhang, Chen Yueh-Han, Jacob Steinhardt · 2024

检索增强的 LM 系统预测事件,接近人类竞猜群体的聚合水平

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2024-03-01 · 最近 2024-09-12
3不同的人
3活跃月份
3讨论串
—被引(OpenAlex)

论文构建了一个检索增强的语言模型系统,能自动检索信息、生成并聚合预测,并从竞争性预测平台收集了大规模问题集。在模型知识截止日期之后发布的测试集上,该系统平均接近人类预测者的群体聚合结果,在部分设定下超过它。

HN 为什么提它

有评论者把它当作证据,说明 LLM 能做出和人群预测同样准确的预测,用来支持自己做的预测产品。

实证研究难度 2 / 5约 40 分钟有时效性
读之前最好知道
1大语言模型(LLM)基础
2检索增强生成(RAG)
3预测校准与 Brier 分数
4集成与聚合方法

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用artembugara · 2024-09

“Atlas replicated a Berkeley paper [1] that showed LLMs could make predictions as accurate as the crowd.”

指出 Atlas 复现了伯克利这篇论文:LLM 的预测可与群体一样准
Show HN: Ask LLMs to predict anything based on news原评论 ↗
被提交为 story · 2 次