Buchumschlag

Can AI Truly Represent Your Voice in Deliberations? A Comprehensive Study of Large-Scale Opinion Aggregation with LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Shenzhe, Yang, Shu, Bakker, Michiel A., Pentland, Alex, Pei, Jiaxin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-User Large Language Model Agents
von: Yang, Shu, et al.
Veröffentlicht: (2026)

The Automated but Risky Game: Modeling and Benchmarking Agent-to-Agent Negotiations and Transactions in Consumer Markets
von: Zhu, Shenzhe, et al.
Veröffentlicht: (2025)

Habermolt: Delegating Deliberation to AI Representatives
von: Low, Joseph, et al.
Veröffentlicht: (2026)

HarmTransform: Transforming Explicit Harmful Queries into Stealthy via Multi-Agent Debate
von: Zhu, Shenzhe
Veröffentlicht: (2025)

How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks
von: Bai, Longju, et al.
Veröffentlicht: (2026)

Exploring the Personality Traits of LLMs through Latent Features Steering
von: Yang, Shu, et al.
Veröffentlicht: (2024)

LePaRD: A Large-Scale Dataset of Judges Citing Precedents
von: Mahari, Robert, et al.
Veröffentlicht: (2023)

Relevant or Random: Can LLMs Truly Perform Analogical Reasoning?
von: Qin, Chengwei, et al.
Veröffentlicht: (2024)

Decoding AI Authorship: Can LLMs Truly Mimic Human Style Across Literature and Politics?
von: Alsadhan, Nasser A
Veröffentlicht: (2026)

DeliberationBench: When Do More Voices Hurt? A Controlled Study of Multi-LLM Deliberation Protocols
von: Kaushal, Vaarunay, et al.
Veröffentlicht: (2025)

Can LLMs Truly Embody Human Personality? Analyzing AI and Human Behavior Alignment in Dispute Resolution
von: Kwon, Deuksin, et al.
Veröffentlicht: (2026)

Demystifying Hybrid Thinking: Can LLMs Truly Switch Between Think and No-Think?
von: Wang, Shouren, et al.
Veröffentlicht: (2025)

It Helps to Take a Second Opinion: Teaching Smaller LLMs to Deliberate Mutually via Selective Rationale Optimisation
von: Patnaik, Sohan, et al.
Veröffentlicht: (2025)

Do LLMs Understand Social Knowledge? Evaluating the Sociability of Large Language Models with SocKET Benchmark
von: Choi, Minje, et al.
Veröffentlicht: (2023)

Cause and Effect: Can Large Language Models Truly Understand Causality?
von: Ashwani, Swagata, et al.
Veröffentlicht: (2024)

Confidence Calibration and Rationalization for LLMs via Multi-Agent Deliberation
von: Yang, Ruixin, et al.
Veröffentlicht: (2024)

Do Large Language Models Truly Understand Geometric Structures?
von: Wang, Xiaofeng, et al.
Veröffentlicht: (2025)

An Implementation of Werewolf Agent That does not Truly Trust LLMs
von: Sato, Takehiro, et al.
Veröffentlicht: (2024)

Facilitating Opinion Diversity through Hybrid NLP Approaches
von: van der Meer, Michiel
Veröffentlicht: (2024)

Can Large Language Models be Effective Online Opinion Miners?
von: Heo, Ryang, et al.
Veröffentlicht: (2025)

Khayyam Challenge (PersianMMLU): Is Your LLM Truly Wise to The Persian Language?
von: Ghahroodi, Omid, et al.
Veröffentlicht: (2024)

SmartBench: Is Your LLM Truly a Good Chinese Smartphone Assistant?
von: Lu, Xudong, et al.
Veröffentlicht: (2025)

Towards Safety Reasoning in LLMs: AI-agentic Deliberation for Policy-embedded CoT Data Creation
von: Kumarage, Tharindu, et al.
Veröffentlicht: (2025)

Are We Truly Innovating? A Qualitative and Quantitative Study of Originality in AI Research Papers
von: Mostafa, Abeer, et al.
Veröffentlicht: (2026)

Shareholder Democracy with AI Representatives
von: Fulay, Suyash, et al.
Veröffentlicht: (2025)

Language Agents as Digital Representatives in Collective Decision-Making
von: Jarrett, Daniel, et al.
Veröffentlicht: (2025)

LLMs Can Generate a Better Answer by Aggregating Their Own Responses
von: Li, Zichong, et al.
Veröffentlicht: (2025)

DeepCritic: Deliberate Critique with Large Language Models
von: Yang, Wenkai, et al.
Veröffentlicht: (2025)

ReCAP: Recursive Context-Aware Reasoning and Planning for Large Language Model Agents
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2025)

From Voices to Validity: Leveraging Large Language Models (LLMs) for Textual Analysis of Policy Stakeholder Interviews
von: Liu, Alex, et al.
Veröffentlicht: (2023)

ModelCitizens: Representing Community Voices in Online Safety
von: Suvarna, Ashima, et al.
Veröffentlicht: (2025)

Large-Scale Constraint Generation -- Can LLMs Parse Hundreds of Constraints?
von: Boffa, Matteo, et al.
Veröffentlicht: (2025)

Your AI, Not Your View: The Bias of LLMs in Investment Analysis
von: Lee, Hoyoung, et al.
Veröffentlicht: (2025)

Benchmarking Overton Pluralism in LLMs
von: Poole-Dayan, Elinor, et al.
Veröffentlicht: (2025)

Hear Your Code Fail, Voice-Assisted Debugging for Python
von: Amiri, Sayed Mahbub Hasan, et al.
Veröffentlicht: (2025)

Can We Locate and Prevent Stereotypes in LLMs?
von: D'Souza, Alex
Veröffentlicht: (2026)

FINEREASON: Evaluating and Improving LLMs' Deliberate Reasoning through Reflective Puzzle Solving
von: Chen, Guizhen, et al.
Veröffentlicht: (2025)

Deliberation on Priors: Trustworthy Reasoning of Large Language Models on Knowledge Graphs
von: Ma, Jie, et al.
Veröffentlicht: (2025)

Evaluating and Adapting Large Language Models to Represent Folktales in Low-Resource Languages
von: Meaney, JA, et al.
Veröffentlicht: (2024)

Can LLMs Estimate Cognitive Complexity of Reading Comprehension Items?
von: Hwang, Seonjeong, et al.
Veröffentlicht: (2025)