AI 群體智慧 (AI-CROWD) 用於內容分析中的真實標籤近似：研究協議與使用 11 個大型語言模型的驗證
计算与语言
2026-03-09 v1
摘要
大規模內容分析日益受限於缺乏可觀測的真實標籤或金標訓練數據，因為對海量數據集進行廣泛人工編碼以創建此類基準在時間、成本和一致性方面變得不切實際。為克服此障礙，我們引入 AI-CROWD 協議，透過利用大型語言模型 (LLM) 集體輸出來近似標籤。與聲稱結果標籤是真正的金標不同，AI-CROWD 生成由多個模型之間收斂與發散推斷組合而成的共識近似。通過對多數投票聚合輸出並檢討一致/不一致模式以診斷指標揭示高信心分類，同時標識潛在的模糊性或模型特定偏差。
引用
@article{arxiv.2603.06197,
title = {Wisdom of the AI Crowd (AI-CROWD) for Ground Truth Approximation in Content Analysis: A Research Protocol & Validation Using Eleven Large Language Models},
author = {Luis de-Marcos and Manuel Goyanes and Adrián Domínguez-Díaz},
journal= {arXiv preprint arXiv:2603.06197},
year = {2026}
}