预训练语言模型作为社会科学研究的零样本工具

预训练语言模型无需任务特定训练即可完成社会科学中的记录链接与人名族裔推断，LLM 在美国选民文件上准确率最高达 83.8%。EnsembleLink 算法用预训练嵌入与字符串评分器做记录链接并可跨文字系统与格式泛化，开放权重模型准确率接近 LLM，姓名增补版 BISG 为 78.0%。LLM 还可推断宗教、种姓等其他族裔类别，并减少地理种族差距估计偏差。