GenAI驱动的推断
机器学习
2025-09-09 v2 统计方法学
机器学习
摘要
我们引入了GenAI驱动的推断（GPI），这是一个用于使用非结构化数据（包括文本和图像）进行因果推断和预测推断的统计框架。GPI利用开源的生成式人工智能（GenAI）模型——例如大型语言模型和扩散模型——不仅大规模生成非结构化数据，而且提取能够保证捕捉其底层结构的低维表示。将这些表示应用于机器学习，GPI能够估计因果效应和预测效应，同时量化相关的估计不确定性。与现有的表示学习方法不同，GPI不需要微调生成模型，因此计算效率高且易于广泛使用。我们通过三个应用展示了GPI框架的多功能性：（1）分析中国社交媒体审查，（2）估计候选人面部外观对选举结果的预测效应，以及（3）评估政治修辞的说服力。提供了一个开源软件包用于实现GPI。
引用
@article{arxiv.2507.03897,
title = {GenAI-Powered Inference},
author = {Kosuke Imai and Kentaro Nakamura},
journal= {arXiv preprint arXiv:2507.03897},
year = {2025}
}