Крупные языковые модели наивно восстановляют этническую принадлежность из индивидуальных записей

arXiv: 2601.21132v2 Annuales Type: заменить резюме: я продемонстрирую, что крупные языковые модели могут определять этническую принадлежность на основе названий с точностью, превышающей значение Байесовского усовершенствованного геокодирования полы (БИГС), без дополнительных данных о подготовке кадров, позволяющих сделать вывод за пределами Соединенных Штатов и использовать контекстуально подходящие категории классификации. С использованием стратифицированных выборок из Флориды и Северной Каролины с саморегистрируемыми данными по расовому признаку классификация ЛЛД позволяет достичь 84,7 процента точности, превысив показатели ОПГС (68,2 процента) на сбалансированных выборках. Я протестирую шесть моделей, включая Gemini 3 Flash, GPT-4o и открытые альтернативы, такие как DeepSeek v3.2 и GLM-4.7. Обеспечение более продолжительной аргументации может повысить точность на 1 - 3 процентных пункта, хотя воздействие варьируется в различных контекстах; включая метаданные, такие как регистрация сторон, достигают 86,7%. Классификация ЛМЗ также снижает предрасположенность к доходу, характерную для БМГС, где меньшинства в более богатых районах систематически ошибочно классифицируются как белые. Я еще раз подтверждаю, что мы здесь.