English(EN) Pre-Trained Language Models as Zero-Shot Tools for Social Science Research

大型语言模型在社会科学研究任务中展现出强大的零样本性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

一项新的研究论文表明，预训练语言模型无需针对特定任务进行训练，即可有效地执行记录链接和人口统计推断等社会科学任务。所提出的 EnsembleLink 算法利用预训练的嵌入，在记录链接方面可媲美甚至超越现有方法，并能跨不同脚本和格式进行泛化。在从姓名推断种族方面，大型语言模型在美国选民文件中达到了 83.8% 的准确率，优于传统方法，并显示出推断美国以外的群体成员身份以及减少人口统计估计偏差的潜力。 AI

影响展示了大型语言模型在降低社会科学研究数据获取成本和偏差方面的潜力。

排序理由详细介绍使用大型语言模型进行社会科学研究的新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍使用大型语言模型进行社会科学研究的新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Noah Dasanaike · 2026-10-15 04:00

预训练语言模型作为零样本工具用于社会科学研究

arXiv:2610.19048v1 Announce Type: new Abstract: Record linkage and demographic inference from names are routine demands in social science. Most approaches to these problems require labeled training data that are difficult or costly to acquire. I show that pre-trained language mod…

本文如何被排名

报道来源 [1]

预训练语言模型作为零样本工具用于社会科学研究

相关实体

相关话题