.png){kind=icon}
返回
High-Dimensional Perception with the Double Machine Learning Lens Model
.png){kind=icon}
OA
AI
DOI：10.1017/psy.2026.10103.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统感知模型难以处理高维数据，例如文本嵌入，这在现代心理学和人工智能中至关重要。我们介绍了双重机器学习透镜模型，这是一个利用机器学习处理此类数据的框架。我们将该模型应用于分析现代人工智能和人类感知者如何根据1969年11岁儿童撰写的9,513篇抱负性文章判断社会阶层。对45种分析方法的系统性比较显示，使用降维语言嵌入的正则化线性模型显著优于传统的基于词典的方法和更复杂的非线性模型。我们的最佳模型准确预测了人类的社会阶层感知，捕捉了超过85%的总准确率。这些结果表明，感知中的“未建模知识”可能是由于测量工具不足而非不可测量的直觉过程。我们发现，人工智能和人类使用了许多相同的文本线索（例如语法、职业和文化活动），其中只有一部分是有效的。两者似乎都将微妙的、现实世界的模式放大为强大但可能具有歧视性的启发式方法，其中实际社会阶层的微小差异会导致感知上的巨大差异。
Keyword:
artificial intelligence
double machine learning
large language models
lens model
perception accuracy
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.1
论文数:
71
被引数:
1.4W
机构
引用论文
How to tell a happy person: Accuracy of subjective well-being perception from texts如何识别快乐的人：从文本中感知主观幸福感的准确性OAAI
OAAI分享收藏分享收藏In Defense of the Indefensible: A Very Naive Approach to High-Dimensional Inference捍卫不可辩护: 一种非常幼稚的高维推理方法.png)
STATISTICAL SCIENCE
OAAI
STATISTICAL SCIENCEIF3.4
OAAI分享收藏
查看更多内容