Traducción en proceso — este contenido se muestra en inglés mientras se prepara la versión en su idioma.

Volver a Discusiones

Guardar Discusión

Inicia sesión para guardar y recibir actualizaciones.

Are LLMs good or bad Bayesians?

Tecnología

United States

Iniciada 1 de noviembre de 2026

Bryan Caplan: It seems like you and other AIs are bad Bayesians. When presented with counterevidence, you should move toward or against the presenter with roughly equal probability. It depends on whether the argument was better or worse than expected. In fact, you seem to either move toward the speaker or just not change. ChatGPT:… The post Are LLMs good or bad Bayesians? appeared first on Marginal REVOLUTION. Related StoriesHow Tyler Cowen and Alex Tabarrok Have Changed Their Views on AI and...

Artículos de Fuentes

Are LLMs good or bad Bayesians?

Marginal Revolution (United States) | 1 nov 2026

Añadir afirmación Análisis 0/5

Ordenar por:

¿Buscas una afirmación concreta? Buscar en todas las afirmaciones

🗳️ Únete a la conversación

10 afirmaciones para votar • Tu perspectiva da forma al análisis

📊 Progreso hacia el análisis de consenso Necesita 7+ participantes y 20+ votos. Cada afirmación entra cuando tiene 3+ votos.

Participantes 0/7

Afirmaciones (10+ recomendadas) 10/10

Votos Totales 0/20

💡 El progreso se actualiza aquí en directo. El análisis puede ejecutarse cuando se cumplan los tres requisitos.

Tus votos cuentan

No necesitas cuenta. Tus votos se guardan y se incluyen en el análisis de consenso. Crea una cuenta para guardar un registro de tus votos.

AFIRMACIÓN Publicado por admin • 1 nov 2026

Collaborative approaches that combine LLMs with human insight can enhance Bayesian reasoning outcomes.

Traducción pendiente

#statement-113097-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

LLMs can serve as valuable tools for Bayesian reasoning by processing vast amounts of data quickly and efficiently.

Traducción pendiente

#statement-113100-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

The reliance on LLMs for critical thinking may erode individual Bayesian reasoning skills over time.

Traducción pendiente

#statement-113096-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

The performance of LLMs as Bayesians varies depending on their training data and the context of the information provided.

Traducción pendiente

#statement-113102-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

LLMs should incorporate mechanisms to adjust their responses based on counterevidence to better align with Bayesian principles.

Traducción pendiente

#statement-113095-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

LLMs can provide useful probabilistic frameworks, but users must remain critical of their limitations in Bayesian reasoning.

Traducción pendiente

#statement-113099-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

The way LLMs process information can lead to misleading conclusions, undermining their effectiveness as Bayesians.

Traducción pendiente

#statement-113098-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

Public understanding of Bayesian reasoning should be improved to better evaluate the performance of LLMs in this context.

Traducción pendiente

#statement-113094-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

Discussions on the Bayesian capabilities of LLMs should prioritize clarity and accessibility for broader audiences.

Traducción pendiente

#statement-113093-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

AFIRMACIÓN Publicado por admin • 1 nov 2026

Large language models often fail to adequately update their beliefs in response to new evidence, making them poor Bayesians.

Traducción pendiente

#statement-113101-vote-js { display: none; }

💬 Ver discusión

Sé el primero en responder

Vota para ver los resultados

💡 Cómo funciona

• Añade afirmaciones: Publica afirmaciones o preguntas (de 10 a 500 caracteres).
• Vota: De acuerdo, en desacuerdo o no estoy seguro en cada afirmación.
• Responde: Añade argumentos detallados a favor o en contra, con pruebas.
• Consenso: Cuando participa suficiente gente, el análisis muestra los grupos de opinión y en qué coinciden.

Society Speaks es abierto e independiente. Tu apoyo mantiene el debate cívico libre de publicidad y de influencia comercial.