CAUS：基于大语言模型仿真人类认知的问答生成数据集

我们介绍了“好奇关于不确定情景”（CAUS）数据集，旨在使大语言模型（特别是GPT-4）能够模拟人类认知过程以解决不确定性问题。借助该数据集，我们探讨了LLM在有效提问方面的潜力。我们的做法是提供嵌入不确定性的情景描述，以激发生成推理和查询的能力。随后按照多维准则对查询进行分类。所有程序都通过LLM与人类研究者之间的协作系统实现。我们的结果表明，GPT-4能够有效生成相关查询并把握其细微差别，尤其是在提供恰当上下文和指令后表现更佳。该研究表明，将类似人类的提问纳入AI模型有助于提高其处理不确定性的能力，为人工智能的未来发展铺平了道路。