大型语言模型与人类标注的观察等价性

研究证实LLM与人类在文本分类任务中具观察等价性。 13个LLM与198名人类编码者应用相同代码本，复现14项政治学研究，分歧集中于模糊文本。 作者主张利用跨LLM分歧识别难例，并开发模糊感知界限以优化推断。