加载中...
本文证明:通过对开源大语言模型(LLM)提示的隐藏状态(embeddings)进行线性回归,可比模型的直接文本输出更准确地估计县级与公司级经济/财务统计量,从而支持小样本学习、无标注目标变量的迁移学习,以及用于缺失值插补与地理“超分辨率”推断等下游数据处理任务 。
元数据与概览(引言与报告概览)
逐节深度解读
图表与结果逐一深度解读(含图片嵌入)
估值/性能度量与统计细节
风险因素评估(报告中识别的限制与潜在风险)
批判性视角与细微差别(基于报告内容的审慎点评)
结论性综合(关键发现回顾与建议)
参考表与附录资源指引(便于复现)
总体评价(基于报告本身)
(完)
2505.08662.pdf