تقدم المقالة مفهوم النقل عبر الاستطلاعات، وهو إطار تقييم صارم لأخذ العينات السيليكونية حيث تتنبأ نماذج اللغات الكبيرة بالإجابات على أسئلة مختلفة تمامًا بناءً على الإجابات السابقة للمجيب. باستخدام بيانات من دراسة الانتخابات والديمقراطية في تايوان (TEDS) لعام 2024، تقيّم الدراسة ثلاثة نماذج لغوية كبيرة مفتوحة الأوزان تتراوح بين 27 مليار و120 مليار معلمة مقابل خطوط الأساس للتعلم الآلي الخاضع للإشراف.
- تحقق نماذج اللغات الكبيرة ذات الصفر عينات دقة بنسبة 52% على بنود غير مرئية حقًا، مما يقترب بمقدار 6 نقاط مئوية من غابة عشوائية خاضعة للإشراف تم تدريبها على بيانات من نفس السكان.
- تظهر تسلسل تنبؤي مستقر للسمات، يتراوح من 67% للمواقف الحزبية إلى 23% للسيادة.
- وُجد أن تأثيرات انهيار التباين ومواءمة الأمان أكثر دقة مما أُبلغ عنه سابقًا، حيث يؤثر انهيار التباين أيضًا على النماذج الخاضعة للإشراف وتختلف تأثيرات المواءمة بشكل كبير عبر عائلات النماذج.
توضح هذه النتائج كلًا من الوعد والحدود الخاصة بأخذ العينات السيليكونية من خلال إظهار أن نماذج اللغات الكبيرة يمكنها تعزيز أبحاث الاستطلاعات التقليدية بفعالية من خلال التنبؤ على مستوى الفرد.