互動式 Lasso

深度分析

針對共變量校正的 LLM 假設生成：條件式框架與兩種 Lasso 技術的實驗驗證

本研究針對文字分析引入研究者指定的共變量，提出條件式假設生成框架，利用互動式Lasso與去均值重加權技術，解決層次不均與符號反轉問題，實驗證明在合成與真實資料上可產生更具實用性的假設，此方法相較於傳統全域Lasso，能在特定子群內捕捉差異，提升研究者對政策或教學品質的洞察，並提供未來在AI社會科學應用的擴展方向。