في عالم الذكاء الاصطناعي، تتوالى الابتكارات بشكل سريع، وآخرها هو استخدام نماذج لغوية ضخمة (Large Language Models) في محاكاة آراء البشر وقراراتهم المتعلقة بالسياسات. ومع ذلك، كانت معظم هذه المحاكاة تعاني من مشكلة عدم اعتبار العوامل العملية والمعرفية والاجتماعية التي تؤثر على كيفية استجابة الأفراد للتدخلات السياسية.

تقدم عبارة "تكلفة المعاملات المدركة" (Perceived Transaction Cost) إطاراً مفيداً لفهم الضغوط العملية التي تؤثر على ردود الفعل تجاه السياسات، مثل عبء المعلومات والجهد الإداري ومتطلبات التنسيق والشكوك المدركة. بناءً على هذا الإطار، تم تطوير نهج جديد لتصميم شخصية واعية بالتكاليف لعملية المحاكاة باستخدام نماذج لغوية ضخمة.

في سياق تجديدات الطاقة الفعالة، يتم تمثيل المستأجرين ليس فقط من حيث بياناتهم الديموغرافية، ولكن أيضاً وفقاً لتصوراتهم حول التكاليف والفوائد والحواجز والشكوك المتعلقة بالخطط المقترحة.

استندت الدراسة إلى بيانات استقصائية تم جمعها من 1,068 مواطناً في هولندا، حيث شملت حوالي 40,548 زوجاً من الأسئلة والأجوبة. وتجدر الإشارة إلى أنهم قارنوا بين النماذج المختلفة مثل GPT-3.5-turbo وMinistral-8B-Instruct وLlama-3.1-8B-Instruct، كما قاموا بتقييم أساليب التعديل المدروس (Supervised Fine-Tuning) وتحسين السياسات النسبي الجماعي (Group Relative Policy Optimization) للنماذج ذات الأوزان المفتوحة المحلية.

أثبتت النتائج أن دمج شخصيات تعتمد على تكلفة المعاملات والتفكير المنطقي يحسن الأداء بشكل مستمر للنماذج في كل من الإعدادات التقليدية والتعديل المدروس، مما يدل على أن تصميم الشخصيات المُعتمدة على التكلفة يعتبر جسرًا مفيدًا بين نظرية السياسات المؤسسية والمحاكاة السياسية القابلة للتفسير المستندة إلى نماذج لغوية ضخمة.

للاطلاع على المزيد من التفاصيل، يمكنك زيارة رابط كود النموذج في GitHub.