计算机科学 > 计算机与社会
[提交于 2025年6月4日
]
标题: 评估大型语言模型在空间计量经济学研究中的能力
标题: Evaluating Large Language Model Capabilities in Assessing Spatial Econometrics Research
摘要: 本文研究了大型语言模型(LLMs)评估空间计量经济学实证发现的经济合理性与理论一致性能力。 我们从28篇发表的论文(2005-2024年)中创建了原创且刻意改动的“反事实”摘要,这些摘要由一组多样化的LLMs进行了评估。 LLMs在变量选择、系数可信度以及发表适宜性方面提供了定性评估和结构化的二元分类。 结果显示,尽管LLMs能够出色地评估变量选择的一致性(顶级模型如GPT-4o的整体F1得分为0.87),但在评估更深层次的方面如系数可信度和整体发表适宜性时,其表现存在显著差异。 进一步的结果表明,LLM的选择、论文的具体特征以及这两者之间的相互作用显著影响评估的准确性,特别是在细微判断方面。 这些发现突显了LLMs在辅助初步、较浅层检查方面的当前优势及其在进行全面深入经济推理方面的局限性,表明其在同行评审中的潜在辅助角色仍需强大的人类监督。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.