GenZ：用于增强预测的混合模型

本文介绍了 GenZ，这是一种结合了基础模型（如 LLM）和传统统计建模优势的新型混合方法。其核心思想是利用 LLM 的广泛知识，同时捕捉仅依赖 LLM 的一般理解时经常错过的特定于数据集的模式。基于统计模型误差，迭代发现语义特征的过程是一项关键创新。结果表明，在房价预测和协同过滤方面取得了显著改进，突出了这种混合方法的有效性。本文对可解释性和特定于数据集的模式的发现的关注增加了额外的价值。

• •GenZ 是一种结合了基础模型和统计建模的混合模型。
• •它通过基于统计模型误差的迭代过程来发现语义特征。
• •该方法在房价预测和协同过滤方面明显优于仅 LLM 的基线。
• •发现的特征揭示了特定于数据集的模式，增强了可解释性。