面向大型多模态模型的人口统计推理的链条思维提示

传统的人口统计推理方法主要依赖准确标记的数据，难以适应不断变化的社会景观和多样化的文化背景，导致专业化狭窄、应用准确性有限。最近，大型多模态模型 (LMM) 在各种研究任务中展现出变革性潜力，如视觉理解和描述。在本研究中，我们探索了将 LMM 应用于人口统计推理并引入用于定性和定量评估的基准。我们的发现表明，LMM 在零样本学习、可解释性以及处理非精选“野外”输入方面具有优势，尽管容易产生偏离目标的预测。为了提升 LMM 性能并实现与监督学习基线的可比性，我们提出一种链条思维增强提示方法，有效缓解了偏离目标预测问题。