>nishio チームみらい2025参院選「しゃべれるマニフェスト」オープンデータの解説を書きました。GitHubから抽出された2万件+の意見データとその高次元埋め込みベクトルがあり、しかもデータ元との対応づけもあるのでブロードリスニング的なものを実験する上で割と有用だと思います

>nishio For Japanese: 日本人のために日本語でも投稿しておきます。

> これは単にissuesのタイトルだけを使ったのではなく、本文全体やdiffなどのデータを使っています。LLMは、1つの全体データから、貢献者が知覚する0〜Nの問題意識を抽出し、それらを高次元空間に埋め込みます。

> AIがユーザにインタビューする段階で、本当はどのような問題意識を感じているのかを深掘りしてデータ化すべきだったと私は考えています。今回はインタビューの時点ではそれをやらなかったので、事後的に得られたissuesの本文から推測しています。チャットログから推測する手もあると思います。コストが数倍になるであろうことと、そういう使い方をユーザに許諾とっていないことが懸念点ですね。ちなみに今回の実験では30USD掛かっています。

>nishio チームみらいの政策提案リポジトリが参院選の終了に伴ってpublic archiveになったので、最後のデータ収集をかけました。ここの/prs/に全PRのデータが入っているはずです。何か分析してみた人がいたらぜひ教えてください