面向政治制度研究的代理增强型大语言模型
计算与语言
2025-10-08 v1 计算机与社会
摘要
大语言模型(LLM)在政治学中的应用正在快速扩展。本文展示了当LLM通过预定义函数和专业工具增强后，如何作为动态代理，有效简化数据收集、预处理和分析等任务。这种方法的核心是代理化检索增强生成(代理RAG)，它为LLM提供了与外部知识库交互的调用能力。除了信息检索之外，LLM代理还可以集成模块化工具，用于文档摘要、 transcript 编码、定性变量分类和统计建模等任务。为展示这一方法的潜力，我们介绍了CongressRA——一个专为支持研究美国国会的学者设计的LLM代理。通过这个例子，我们突出了LLM代理如何降低使用驱动政治制度研究的领域特定数据的复制、测试和延伸研究的成本。
关键词
引用
@article{arxiv.2503.13524,
title = {Agent-Enhanced Large Language Models for Researching Political Institutions},
author = {Joseph R. Loffredo and Suyeol Yun},
journal= {arXiv preprint arXiv:2503.13524},
year = {2025}
}
备注
46 pages, 6 figures