研究人员开发了一种名为 $\ell$BISG(名单驱动的贝叶斯改进姓氏地理编码)的新方法,利用名单来概率性地预测种族和民族。该方法克服了现有方法依赖特定姓氏的族裔频率的局限性,而这些频率在(美国)境外尤其常常不可用。$\ell$BISG 可以利用大型语言模型(LLM)生成的名单,甚至在某些条件下无需地理流行度数据即可运行。使用美国选民文件、历史人口普查数据和黎巴嫩选民登记册进行的实证研究表明,LLM 生成的名单能够产生准确且校准良好的预测,从而扩展了概率性种族和民族估计的范围。 AI
影响 能够实现更准确、更广泛的概率性种族和民族预测,尤其是在缺乏传统频率数据的地区。
排序理由 该集群包含一篇学术论文,详细介绍了概率性种族和民族预测的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
- 1900 U.S. Census
- Bayesian Improved Surname Geocoding
- \ell BISG
- large language models
- Lebanese voter registry
- Noah Dasanaike
- United States Census Bureau
- U.S. voter files
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →