实体
MICE PMM
MICE PMM
PulseAugur coverage of MICE PMM — every cluster mentioning MICE PMM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
大型语言模型在调查数据插补方面难以超越统计方法
一篇新的arXiv论文探讨了使用大型语言模型（LLMs）对公众意见调查数据中的缺失值进行插补。该研究评估了六种开源LLMs的84种上下文学习配置，发现虽然LLMs可以改进零样本角色提示，但充其量只能与MICE PMM和TabPFN等传统统计方法相媲美。研究强调，LLM插补的计算成本显著更高，并且对调查主题敏感，而常见的LLM预测指标并不能可靠地指示插补质量，这突显了进行适合特定任务的评估的必要性。
-
大型语言模型通过上下文学习改进公众意见数据填补
研究人员开发了一种使用大型语言模型（LLMs）通过上下文学习（ICL）填补缺失公众意见数据的新方法。该方法在调查数据上进行了测试，与MICE PMM等传统统计方法相比，显示出持续的误差减少。表现最佳的ICL方法，使用具有100个示例的gpt-oss-120b模型，实现了更窄的置信区间和更高的总体覆盖率，尤其是在非随机缺失的情况下。