LLM在调查分析中表现优于传统ML，但引发可解释性担忧

一篇新的arXiv论文将OpenAI的GPT系列和Meta的LLaMA等大型语言模型（LLM）与传统的机器学习模型在分析开放式调查回复方面的性能进行了比较。研究发现，LLM在分类准确性方面普遍优于传统方法，尤其是在识别复杂的情感和主题模式方面。然而，该研究还强调了LLM在解释其预测和保持一致性方面存在显著差异，为定性研究带来了预测能力与可解释性之间的权衡。 AI

影响 LLM为定性研究提供了更高的准确性，但引入了在一致性和可解释性方面的挑战。

排序理由 该集群包含一篇在arXiv上发表的学术论文，比较了LLM与传统ML模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• GPT series
• Hugging Face
• llama
• Meta
• Nssem Chokkad
• OpenAI
• Twitter-roBERTa-base model

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →