P2P 用轻量 LLM 集成重建人群调查偏好

Bingchen Wang 等人发布 Prompts to Proxies（P2P）论文，提出用两阶段推理时系统，在无个体数据、无微调的条件下，从有限的公开调查数据重建群体调查响应。 该方法先为人群属性生成提示，再用 L1 正则回归集成轻量 LLM 的输出。在 14 个 American Trends Panel 调查波次上，P2P 平均测试 MSE 为 0.014，每次调查成本约 0.8 美元，优于提示基线和人口属性条件化基线。 论文还报告，与经监督微调（SFT）对齐的调查模型对比的压力测试中，P2P 用不到 3% 的训练数据达到了有竞争力的表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。