跳到正文
热点事件持续更新

新研究发现LLM问卷填答效果依赖数据量

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月21日，Esko Lehtonen和Tommi Buder-Gröndahl在arXiv平台发表题为《LLMs as survey respondents: Comparison to simple semantic baselines》的论文，旨在探讨大语言模型作为问卷调查对象的可行性。 研究评估了3个LLM在自动和轻型电动车态度调查中的表现。结果显示，LLM预测新响应的能力通常优于基于嵌入相似性的简单基线模型。 然而，测试发现LLM性能随已知响应比例降低而持续下降。在数据较少的情况下，其表现甚至与简单基线持平。这一结果表明，LLM在问卷数据增强方面的能力严格受限于可用数据量。

AI 根据报道生成 · 11 小时前更新

最新进展10月22日 12:00
LLMs作为问卷调查对象：与简单语义基线的对比

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · NLP
    LLMs作为问卷调查对象：与简单语义基线的对比

    研究评估了3个LLM在两项关于自动和轻型电动车的态度调查中预测新响应的能力，发现其表现通常优于基于嵌入相似性的基线。 然而，LLM的性能随已知响应比例降低而持续下降，在数据较少时甚至与简单基线持平，表明其数据增强能力受限于可用数据量。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。