English(EN) Silicon Sampling via Cross-Survey Transfer

新研究：大型语言模型以52%的准确率模拟调查受访者

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-03 08:22

研究人员开发了一种名为“硅采样”的新方法，该方法使用大型语言模型（LLM）来模拟人类调查受访者。这种方法旨在通过预测个人对未见问题的回答来增强传统的调查研究。一项使用台湾选举与民主化研究（TEDS）2024年数据进行的研究发现，零样本LLM的准确率达到了52%，接近监督机器学习模型。 AI

影响这项研究表明，LLM可以有效地模拟人类调查受访者，有可能提高数据收集的效率和范围。

排序理由该集群包含一篇学术论文，详细介绍了在调查研究中使用LLM的新方法。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.AI TIER_1 English(EN) · Chan-Tung Ku, Chan Hsu, Pei-Cing Huang, Frank Cheng-shan Liu, I-Ling Cheng, Yihuang Kang · 2026-07-07 04:00

硅样本通过跨调查转移

arXiv:2607.03091v1 Announce Type: new Abstract: Silicon sampling-using large language models (LLMs) to simulate human survey respondents-has emerged as a promising approach for augmenting traditional survey research. However, most evaluations rely on distributional comparisons ra…
arXiv cs.MA (Multiagent) TIER_1 English(EN) · Yihuang Kang · 2026-07-03 08:22

硅样本通过跨调查转移

Silicon sampling-using large language models (LLMs) to simulate human survey respondents-has emerged as a promising approach for augmenting traditional survey research. However, most evaluations rely on distributional comparisons rather than individual-level prediction, which ris…