Preprint utama baru saja keluar! Kami membandingkan bagaimana manusia dan LLM membentuk penilaian di tujuh tahap epistemologis. Kami menyoroti tujuh garis patahan, titik di mana manusia dan LLM secara fundamental menyimpang: Kesalahan Grounding: Manusia menambatkan penilaian dalam pengalaman persepsi, terwujud, dan sosial, sedangkan LLM dimulai dari teks saja, merekonstruksi makna secara tidak langsung dari simbol. Kesalahan Penguraian: Manusia mengurai situasi melalui proses persepsi dan konseptual yang terintegrasi; LLM melakukan tokenisasi mekanis yang menghasilkan representasi yang nyaman secara struktural tetapi tipis secara semantik. Kesalahan Pengalaman: Manusia mengandalkan memori episodik, fisika dan psikologi intuitif, dan konsep yang dipelajari; LLM hanya mengandalkan asosiasi statistik yang dikodekan dalam penyematan. Kesalahan Motivasi: Penilaian manusia dipandu oleh emosi, tujuan, nilai, dan motivasi yang dibentuk secara evolusioner; LLM tidak memiliki preferensi intrinsik, tujuan, atau signifikansi afektif. Kesalahan Kausalitas: Manusia bernalar menggunakan model kausal, kontrafaktual, dan evaluasi berprinsip; LLM mengintegrasikan konteks tekstual tanpa membangun penjelasan kausal, bergantung pada korelasi permukaan. Kesalahan Metakognitif: Manusia memantau ketidakpastian, mendeteksi kesalahan, dan dapat menangguhkan penilaian; LLM tidak memiliki metakognisi dan harus selalu menghasilkan output, membuat halusinasi secara struktural tidak dapat dihindari. Kesalahan Nilai: Penilaian manusia mencerminkan identitas, moralitas, dan taruhan dunia nyata; "Penilaian" LLM adalah prediksi probabilistik berikutnya tanpa penilaian atau akuntabilitas intrinsik. Terlepas dari garis patahan ini, manusia secara sistematis terlalu percaya pada output LLM, karena bahasa yang fasih dan percaya diri menghasilkan bias kredibilitas. Kami berpendapat bahwa ini menciptakan kondisi struktural, Epistemia: Masuk akal linguistik menggantikan evaluasi epistemik, menghasilkan perasaan tahu tanpa benar-benar mengetahui. Untuk mengatasi Epistemia, kami mengusulkan tiga strategi pelengkap: evaluasi epistemik, tata kelola epistemik, dan literasi epistemik. Makalah lengkap dalam balasan pertama. Bersama dengan @Walter4C & @matjazperc

Makalah menarik yang baru saja diterbitkan di Science. Para penulis menganalisis lintasan karir pemain terbaik di berbagai domain, termasuk pemenang Nobel, pemain catur elit, peraih medali emas Olimpiade, dan banyak lagi. Temuan sentral mereka menantang keyakinan umum. Pelatihan disiplin tunggal yang intensif di usia muda memang memberikan keuntungan awal, tetapi keuntungan ini memudar seiring waktu. Sebaliknya, individu yang terpapar praktik multidisiplin di awal kehidupan cenderung memulai lebih lambat. Namun, dalam jangka panjang, mereka lebih mungkin untuk mencapai kinerja kelas dunia, akhirnya menyalip spesialis awal, yang sering mendatar tepat di bawah puncak. Pengingat penting bahwa keluasan sejak dini dapat menjadi investasi yang kuat dalam keunggulan jangka panjang. Tautan ke makalah di balasan pertama.

Sekarang keluar di Alam Perilaku Manusia! 🚀🚀 Selama beberapa dekade terakhir, penelitian tentang perilaku manusia kolektif sangat bergantung pada jaringan. Ini intuitif: orang berinteraksi dengan orang lain. Namun, kami berpendapat bahwa kerangka kerja dominan ini melewatkan bahan penting. Jaringan tradisional mewakili agen sebagai node dan hubungan berpasangan sebagai tepi. Akibatnya, mereka pada dasarnya berasumsi bahwa interaksi sosial dapat diuraikan menjadi pasangan. Namun banyak proses sosial yang tidak dapat direduksi berbasis kelompok. Contoh sederhana: sekelompok tiga rekan penulis yang menulis makalah tidak dapat direduksi menjadi tiga pasangan rekan penulis independen. Kelompok itu sendiri penting. Dalam artikel ini, kami meninjau berbagai kasus empiris dan teoretis di mana interaksi kelompok tidak dapat diuraikan menjadi interaksi berpasangan, dan menunjukkan bahwa interaksi tingkat tinggi membentuk perilaku kolektif di atas dan di luar ikatan dyadic. Kami menganjurkan untuk mempelajari perilaku kolektif pada hipergraf, di mana interaksi dapat melibatkan banyak agen secara bersamaan. Kami meninjau bagaimana hipergraf memberikan wawasan baru di seluruh domain, termasuk jaringan afiliasi dan kolaborasi, pengaturan kontak frekuensi tinggi (keluarga, teman), dan proses sosial utama seperti penularan sosial, kerja sama, pengungkapan kebenaran, dan perilaku moral. Akhirnya, kami menguraikan arah yang menjanjikan untuk penelitian di masa depan: mengatasi tantangan komputasi model tingkat tinggi; mempelajari bias dan ketidaksetaraan dalam dinamika kelompok; menggabungkan hipergraf dan model bahasa besar untuk menyelidiki evolusi bersama bahasa dan perilaku; dan menggunakan jaringan tingkat tinggi untuk mensimulasikan dampak kebijakan sebelum implementasi; dan lain-lain. Kami sangat senang dengan pekerjaan ini dan berharap ini akan menginspirasi penelitian lebih lanjut di bidang yang berkembang pesat dan mendasar dengan implikasi dunia nyata yang luas. Tautan ke makalah di balasan pertama Karya ini dipimpin dengan brilian oleh Federico Battiston (@fede7j), dengan tim rekan penulis yang luar biasa: Fariba Karimi (@fariba_k), Sune Lehmann, Andrea Bamberg Migliano, Onkar Sadekar (@OnkarSadekar), Angel Sanchez, & Matjaz Perc (@matjazperc)