這令人深感不安。 研究人員更可能選擇其結果與其意識形態前提一致的統計模型。 七十一個研究團隊獨立分析了相同的數據集，研究移民對社會福利計劃的公共支持影響。 由支持移民的研究人員組成的團隊更可能得出影響是正面的結論。由反對移民的研究人員組成的團隊則更可能發現負面影響。 我再重申一次：他們分析的實際上是相同的數據集。 完整論文在第一條評論中。

重磅預印本剛剛發布！ 我們比較了人類和大型語言模型（LLMs）在七個認識論階段形成判斷的方式。 我們突出了七個斷層線，即人類和LLMs根本分歧的點： 基礎斷層：人類的判斷基於感知、具身和社會經驗，而LLMs僅從文本開始，間接地從符號重建意義。 解析斷層：人類通過整合的感知和概念過程解析情境；LLMs則進行機械的標記化，產生結構上方便但語義上薄弱的表示。 經驗斷層：人類依賴情節記憶、直觀的物理學和心理學以及學習的概念；LLMs僅依賴於嵌入中編碼的統計關聯。 動機斷層：人類的判斷受到情感、目標、價值觀和進化塑造的動機的指導；LLMs沒有內在的偏好、目標或情感意義。 因果斷層：人類使用因果模型、反事實和原則性評估進行推理；LLMs整合文本上下文而不構建因果解釋，而是依賴於表面相關性。 元認知斷層：人類監控不確定性、檢測錯誤並能夠暫停判斷；LLMs缺乏元認知，必須始終產生輸出，這使得幻覺在結構上無法避免。 價值斷層：人類的判斷反映身份、道德和現實世界的利害關係；LLM的“判斷”是沒有內在評價或問責的概率下一個標記預測。 儘管存在這些斷層，人類系統性地過度相信LLM的輸出，因為流利和自信的語言產生了可信度偏見。 我們認為這創造了一種結構性條件，稱為Epistemia： 語言的可信度取代了認識評估，產生了知道的感覺而實際上並不知道。 為了解決Epistemia，我們提出了三種互補策略：認識評估、認識治理和認識素養。 完整論文在第一條回覆中。 與@Walter4C和@matjazperc聯合發表

在《科學》期刊上發表了一篇引人入勝的論文。 作者分析了多個領域頂尖表現者的職業軌跡，包括諾貝爾獎得主、精英棋手、奧運金牌得主等。 他們的核心發現挑戰了一個普遍的信念。 在年輕時進行密集的單一學科訓練確實會帶來早期優勢，但這種優勢隨著時間的推移而減弱。 相比之下，早期接觸多學科實踐的個體往往起步較慢。然而，從長遠來看，他們更有可能達到世界級的表現，最終超越那些早期專家，後者往往在接近頂尖時停滯不前。 這是一個重要的提醒，早期的廣度可以是對長期卓越的強大投資。 論文鏈接在第一條回覆中。