arXiv · NLP· Jin Huang, Diego Ferreras Garrucho, Yutong Xie, Walter M. Yuan, Qiaozhu Mei, Chen Lian, Jonathon Hazell·· 2026-10-07AI 评分26
HouseholdBench:评估大语言模型预测家庭经济行为的能力
HouseholdBench: Evaluating Large Language Models as Predictors of Household Economic Behavior
AI 导读
研究团队发布 HouseholdBench,该基准整合美国 6 项家庭调查及 32 个预测任务,涵盖消费、收入、住房等领域。 测试 13 个 LLM 发现,梯度提升树性能最优;最佳 LLM 较无变化基线降低数值误差 12.2%。通过微调及聚合 16 次预测,40 亿参数开源模型可匹配专有模型。
来源:arXiv · NLP · arxiv.org