大语言模型准确预测全球气候行动支持的公众感知
计算机与社会
2026-01-29 v1 人工智能
摘要
尽管大多数人支持气候行动，但对他人支持的广泛低估阻碍了个人和制度性变革。在这项事先登记的实验中，我们测试了大语言模型（LLM）是否可靠地预测全球范围内的感知差距。我们使用来自125个国家的国家水平指标和公共意见数据，对四个最先进的LLM进行基准测试，与Gallup World Poll 2021/22数据和统计回归进行比较。LLM，特别是Claude，准确地捕捉了公众对他人愿意为气候行动作出金钱贡献的看法（平均绝对误差约5个百分点；r = .77），与统计模型相当，尽管在较少数字化连接、GDP较低的国家的表现会下降。受控测试表明，LLM捕捉到了关键的心理过程——社会投射存在系统性向下偏差——并依赖于结构化推理而非记忆的值。总体而言，LLM提供了一种快速评估气候行动感知差距的工具，可作为资源丰富国家昂贵调查的替代方案，以及在代表性不足人群中的补充手段。
引用
@article{arxiv.2601.20141,
title = {Large language models accurately predict public perceptions of support for climate action worldwide},
author = {Nattavudh Powdthavee and Sandra J. Geiger},
journal= {arXiv preprint arXiv:2601.20141},
year = {2026}
}
备注
35 pages