一篇新的研究论文提出了一种方法，用于优化在使用大型语言模型（LLMs）进行因果效应估计时的数据标注选择。该方法旨在固定预算下最小化处理效应估计的方差，与随机抽样相比，可显著减少所需的标签数量和成本。研究强调了开箱即用的LLM可能存在的偏见，这在社会服务病历的案例研究中得到了证明，并提出基于LLM的因果影响评估可以为运营决策提供信息。 AI
影响 优化因果效应估计的LLM标注，可能改善社会服务及其他领域的运营洞察。
排序理由 关于使用LLM进行因果推断的新方法学的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
