从备选到前线：LLM何时可作为人类视角的优越标注员？
人工智能
2026-04-21 v1 计算与语言
摘要
虽然大语言模型(LLM)日益被用作大规模标注员，但通常被视为务实的备选方案，而非人类视角的忠实估计器。本工作挑战了这种预设。通过将视角-taking 表述为对潜在群体层面判断的估计，我们刻画了现代LLM在预测主观任务中预测聚合子群意见时何时能超越人类标注员(包括群体内部成员)，并指出这些条件在实践中较为常见。这种优势源于LLM作为估计器的结构属性，包括低方差和表示与处理偏差之间的耦合减少，而非任何 lived experience 的主张。我们的分析识别出LLM作为统计上优越前线估计器的明确场景，以及人类判断仍不可或缺的原则性限制。这些发现将LLM从成本权衡的妥协重新定位为估计集体人类视角的原则工具。
引用
@article{arxiv.2604.17968,
title = {From Fallback to Frontline: When Can LLMs be Superior Annotators of Human Perspectives?},
author = {Hasan Amin and Harry Yizhou Tian and Xiaoni Duan and Chien-Ju Ho and Rajiv Khanna and Ming Yin},
journal= {arXiv preprint arXiv:2604.17968},
year = {2026}
}
备注
ACL 2026