大型语言模型与 LLM 代理应用于提升数字公共领域
计算机与社会
2025-07-03 v3 信息检索
摘要
本文论证，大型语言模型（LLM）基的推荐系统可以取代当今注意力分配机制。LLM 基的推荐系统会摄取开放网络内容，推断用户的自然语言目标，并呈现匹配其内省偏好的信息。经过精心设计后，它们可以在不进行工业规模数据攫取的情况下实现个性化，恢复个人控制权，优化真正的目标而非点击率代理，并支持自主注意力管理。我们综合当前系统的伤害证据与近期关于 LLM 驱动管道的研究，识别出四个关键研究障碍：在缺乏中心化数据的情况下生成候选项、维持计算效率、稳健地建模偏好以及抵御提示注入。None 看起来禁不住；克服这些障碍将引领数字公共领域走向民主、以人为中心的价值观。
引用
@article{arxiv.2410.12123,
title = {Large Language Models, and LLM-Based Agents, Should Be Used to Enhance the Digital Public Sphere},
author = {Seth Lazar and Luke Thorburn and Tian Jin and Luca Belli},
journal= {arXiv preprint arXiv:2410.12123},
year = {2025}
}