Недавно рассказывал вам про статью "The AI Interviewer" о том, как LLM работают интервьюерами в психологических исследованиях. А теперь в IEEE Access вышла следующая статья примерно тех же авторов:

Toward Psychological Digital Twins: Evaluating Large Language Models for Simulating Assessment Responses from Interview Data

Задача здесь обратная: если раньше LLM задавала вопросы, то теперь она на них отвечает — за человека. Разумеется, речь не о том, чтобы принимать какие-то решения о конкретных людях, а об аппроксимации отдельных психологических измерений на уровне больших групп. Digital twins — большое направление в современной психологии.

У нас модель получала транскрипт большого полуструктурированного интервью (те же 54 вопроса про жизнь, ценности, работу и т.д.; интервью проводил тот самый LLM-интервьюер из первой статьи) и должна заполнить за респондента психологические опросники: Big Five, тёмную триаду, ценности по Шварцу, моральные основания и прочее — всего 7 инструментов, 38 шкал. Это и называется "психологическим цифровым двойником".

Главное отличие от первой статьи — здесь всё на реальных данных: 645 русскоязычных участников прошли и интервью, и все опросники, так что предсказания моделей можно напрямую сравнивать с настоящими ответами. Насколько мы знаем, это первая не-англоязычная масштабная валидация LLM-респондентов. Моделей пять: GPT-5, Gemini 2.5 Pro, Qwen3-235B и две версии Kimi-K2.

Подробный пост писать не буду, коротко о результатах:

— точность сильно зависит от конструкта: религиозность (r = 0.67), экстраверсия (0.63), нейротизм (0.61) предсказываются вполне прилично, а гедонизм и proportionality — почти никак; это логично: что-то люди прямо проговаривают в интервью, но до латентных конструктов модель не дотягивается; справедливости ради, живой психолог по тем же транскриптам вряд ли справился бы лучше;

— GPT-5, конечно, лучше всех, но Kimi-K2-Thinking на нескольких шкалах подтягивается;

— у всех моделей систематический positivity bias: они завышают доброжелательность и добросовестность и в упор отказываются верить, что респондент может быть нарциссом или макиавеллистом (тёмная триада занижается на несколько баллов); скорее всего, это большой привет alignment fine tuning; впрочем, ранжируют людей модели всё равно неплохо, только абсолютным баллам верить нельзя;

— маленьким моделям помогает урезание контекста до релевантных кусков интервью, а большие лучше работают с полным транскриптом.

Мораль вынесена прямо в заголовок: toward psychological digital twins, но пока ещё мы не там. Хотя зависит, конечно, от задачи.

Как всегда, спасибо соавторам!

#ai #research #blog #publications

Пишу для вас большой пост, надеюсь, завтра будет. Ещё завтра будет митап про LLM с авторским квизом, кто не зарегистрировался, я не виноват.

А сегодня было собрание лаборатории Маркова. Я к ней пока формально не отношусь, но уже год как веду её семинар (первый семестр, второй семестр). Так что надеюсь, что и относиться так или иначе буду; по крайней мере, какие-то такого рода планы наклёвываются.

#markovlab #spsu #lifestyle

А вот и большой пост. Полтора месяца назад я писал о том, как внутренняя модель OpenAI опровергла гипотезу Эрдёша о единичных расстояниях — задачу, которой было уже лет семьдесят и над которой (в отличие от многих других задач Эрдёша) реально думало много профессиональных математиков.

Тогда я закончил пост вопросом "что дальше, коллеги?". И вот сегодня мы обсуждаем очередной ответ на этот вопрос (кстати, и на митапе сегодня тоже его обсудим):

Охота на снарка: доказательство гипотезы о двойном покрытии циклами

10 июля 2026 года OpenAI выложила двухстраничный препринт со скромным названием “A proof of the cycle double cover conjecture“. Гипотеза о двойном покрытии циклами (cycle double cover conjecture, CDC) — одна из знаменитых открытых проблем теории графов, стоявшая с начала 1970-х.

В разделе “Statement of AI use” написано коротко:

The proof in this note is entirely due to GPT 5.6 Sol Ultra and the writeup with Codex (with GPT 5.6 Sol).

Доказательство двухстраничное и совершенно элементарное. Его может проверить любой человек, знающий линейную алгебру, — там нет ни компьютерного перебора, ни ссылок на глубокую теорию, только два классических результата из учебников, а дальше прямое доказательство голыми руками.

Поэтому в этом посте я разбираю доказательство целиком, с примерами и объяснениями. Это действительно вполне возможно, но, конечно, не в телеграме, так что читайте по ссылке. Вот оглавление:

1. Введение

2. Что такое двойное покрытие циклами

3. Почему достаточно кубических графов, или охота на снарка

4. Язык потоков

5. Первый шаг: у каждого ребра два цвета

6. Второй шаг: строим пары из потока

7. Интермедия: вся конструкция на примере

8. Шаг 3: чудо чётности

9. Проверяем руками и кодом

10. Промпт как исторический документ

11. Реакции: “could have been discovered in the 1980s”

12. Что остаётся открытым

13. Заключение

Я не знаю, сколько ещё знаменитых задач имеют решения такого типа — короткие, но контринтуитивные. Судя по скорости прогресса, мы скоро узнаем: похоже, тот самый систематический поиск “низко висящих фруктов” в математике, о котором я говорил весь последний год, уже идёт полным ходом.

Если у вас есть любимая гипотеза, в которую вы верите, самое время написать про неё хороший промпт.

#blog #ai #longreads #math