LLM民意数据填补方法首次系统评估

2026年11月2日，一项关于大语言模型（LLM）在民意调查数据缺失值插补任务中的研究在arXiv发布。该研究首次系统评估了LLM在多项插补任务中的表现，基于四份公共民意调查超过500万条响应数据，并涵盖多种缺失机制。 结果显示，最优的上下文学习（ICL）配置虽优于零样本人设提示，但仅能与MICE PMM、TabPFN等统计基线持平，且算力消耗高出2-3个数量级。因此，多项插补仍是更稳妥的默认方案。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。