Este estudio investiga si los modelos de lenguaje grandes pueden recuperar las características estadísticas de una población más amplia utilizando únicamente una pequeña muestra piloto de respuestas humanas. Los autores descomponen esta recuperación en tres ejes: fidelidad estructural, fidelidad marginal y fidelidad individual.
- La investigación evalúa enfoques de prompting, rectificación y ajuste fino utilizando una encuesta sobre desinformación del COVID-19 como estudio de caso.
- Los hallazgos indican que el ajuste fino en muestras piloto pequeñas proporciona un enfoque equilibrado para lograr múltiples formas de fidelidad.
- Los niveles de fidelidad logrados mediante el ajuste fino pueden variar entre submuestras, lo que podría amenazar la alineación pluralista.