导航提示空间：通过提示工程提升LLM对社会科学的文本分类
计算与语言
2026-03-27 v1 计算机与社会
摘要
近期在社会科学中使用大语言模型（LLM）进行文本分类的发展表明，可以显著降低成本，而性能有时可与现有计算方法相媲美。然而，在当前测试中性能存在较大差异，我们转向如何最大化性能的问题。在本文中，我们聚焦于提示上下文作为提高准确性的可能途径，通过系统性地改变提示工程的三个方面：标签描述、指令提示和少样本示例。在两个不同的例子中，我们的测试表明，提示上下文的最小增加带来了最高的性能提升，而上下文的进一步增加往往只带来边际的性能提升。令人警觉的是，增加提示上下文有时会降低准确率。此外，我们的测试表明模型、任务和批次大小之间存在显著的异质性，强调了需要对每个LLM编码任务进行单独验证，而非依赖通用规则。
引用
@article{arxiv.2603.25422,
title = {Navigating the Prompt Space: Improving LLM Classification of Social Science Texts Through Prompt Engineering},
author = {Erkan Gunes and Christoffer Florczak and Tevfik Murat Yildirim},
journal= {arXiv preprint arXiv:2603.25422},
year = {2026}
}