系统性实证研究：LLM 在何时能优于传统统计方法用于特征选择

基于18个数据集的研究表明，在33%特征预算下，经典选择器的预测性能通常高于测试的7B LLM/RL选择器，且经典方法保持紧凑子集优势。零样本 Qwen-7B 实验显示，有信息量的特征名称使回归 R^2 均值提升 0.1964，而分类 ROC-AUC 提升较小且依赖数据集。