Vier Kriterien, 0,026 Abweichung: Wie GPT-3 die ANES-Verteilung nachbaute und ein Feld begründete
Forschung & Machine Learning

Vier Kriterien, 0,026 Abweichung: Wie GPT-3 die ANES-Verteilung nachbaute und ein Feld begründete

1 Min. Lesezeit Kalina

Bilanz der Quelle: Der Artikel erklärt, wie GPT-3 anhand soziodemografischer Profile echter ANES-Befragter deren Antwortverteilungen reproduzierte und damit das Konzept der algorithmischen Treue prägte. Die mittlere Abweichung der Cramér’s-V-Werte lag bei 0,026; vier Kriterien sollen bewerten, wie gut Modell und Mensch übereinstimmen.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)

ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von cambridge.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.

Kalina Digest unterstützen

Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.

Zum Shop →