Eva Maxfield Brown

利用大型语言模型大规模收集定性数据：一个案例研究

Cuevas 等人通过399人实验比较LLM访谈聊天机器人与硬编码基线，发现LLM虽能产出高质量响应，但在捕捉参与者具体动机和个性化例子方面表现不足，人机评估信度也较低。