E Pluribus Unum: AI-assisted Consensus Building https://blog.quintarelli.it/2025/09/e-pluribus-unum-ai-assisted-consensus-building/

[quinta@mastodon.uno]

E Pluribus Unum: AI-assisted Consensus Building  https://blog.quintarelli.it/2025/09/e-pluribus-unum-ai-assisted-consensus-building/

[lgsp@social.tchncs.de]

@quinta

Devo rileggerlo...

[lgsp@social.tchncs.de]

@quinta ok, credo di aver capito la spiegazione, tranne:

> Il finetuning degli agenti in qualche modo rafforza e fa emergere, per ciascuno di quegli agenti, quei contenuti che sono piu’ vicini a quelle caratteristiche dell’agente e questi contribuiscono al risultato del sondaggio virtuale.

Intuiscono che questo dovrebbe spiegare il miglior gradimento delle policies assistite da AI, ma come? Cosa sono i contenuti più vicini alle caratteristiche dell'agente?

[quinta@mastodon.uno]

@lgsp
no
cerco di spiegare che non c'è nulla di magico o intelligente.
il fine tuning rafforza certi pesi per cui poi l' inferenza genera output vicini a quello che è il pensiero della personas modellata

[lgsp@social.tchncs.de]

@quinta ok CAPISCO: gli LLM contengono già tutte le "opinioni"

Ma come si spiega il miglior gradimento delle policies assistite AI? O non è un parametro importante? Perché per me quel dato spicca

[quinta@mastodon.uno]

@lgsp e' l'insieme che fa emergere temi che sono vicini alle cose gradite dalle persone che hanno quelle opinioni ch esono descritte nei testi a loro piu' vicini...