近期的一项研究探索了大型语言模型（LLMs）在反事实分析中的应用，特别是使用GPT-3.5模型。反事实分析旨在预测假设场景下的潜在结果，对决策提供有价值的见解。研究者们将这一方法应用于在线贷款的背景下，评估了不同利率方案下的反事实投资回报率（ROI）。结果表明，通过prompt engineering，GPT的预测性能可以显著提高，R-squared从1.97%提高到2.84%，接近梯度提升回归的3.48%。此外，研究者利用GPT生成了一组替代利率下的反事实ROI，结果显示GPT表现出逻辑一致性和因果推理能力。这些发现强调了LLMs在在线贷款反事实分析中的潜力，暗示了LLMs在预测和决策中的更广泛应用。 博主点评： 本文揭示了大型语言模型在反事实分析中的巨大潜力，尤其是在金融领域，如在线贷款。通过优化prompt，GPT模型能够提供逼近传统机器学习算法的预测性能，这为复杂决策提供了新的工具和思路。