研究：LLM填补民调缺失数据难超统计基线

Tobias Holtdirk等作者发表论文，首次按多重插补指标评估大语言模型填补民意调查缺失值的效果。研究基于四项调查、超500万条填补回答，覆盖多种缺失机制，测试84种ICL配置和六个开源权重模型。结果显示，最佳ICL方法优于零样本persona prompting，但最多只能与MICE PMM、TabPFN等统计基线持平，且对调查主题敏感，算力消耗高2至3个数量级。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。