翻译进行中 — 您的语言版本正在准备中，目前内容以英语显示。

返回讨论

登录以保存并获取更新。

Are LLMs good or bad Bayesians?

科技

United States

开始于 2026年11月1日

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...

来源文章

Are LLMs good or bad Bayesians?

Marginal Revolution (United States) | 2026年11月1日

添加陈述分析 0/5

排序方式：

在找某个具体观点吗？搜索所有陈述

🗳️ 加入对话

10 条陈述待投票 • 您的观点影响分析结果

📊 共识分析进度需要 7+ 名参与者和 20+ 票。每条陈述获得 3+ 票后即纳入分析。

参与者 0/7

陈述（建议 10+） 10/10

总投票数 0/20

💡 进度会在此实时更新。三项要求全部满足后即可运行分析。

您的投票很重要

无需账号。您的投票会被保存并计入共识分析。创建账号即可保存您的投票记录。

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

观点发布者 admin • 2026年11月1日

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

翻译待处理

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

💬 查看讨论

投票后查看结果

💡 使用说明

• 添加陈述： 发布观点或问题（10 至 500 个字符）。
• 投票： 对每条陈述选择同意、不同意或不确定。
• 回应： 附上证据，详细阐述支持或反对的理由。
• 共识： 参与人数足够后，分析会显示各意见群体及其共识所在。

Society Speaks 开放且独立。您的支持让公民讨论远离广告和商业影响。