NBER研究人员在整合了6项美国家庭调查和32项预测任务的HouseholdBench上测试了13个专有和开源大语言模型，发现最佳模型将数值结果的误差降低了12.2%，且一个参数的开源模型在经过微调并对每个观测值聚合16次预测后，其表现与专有模型相当 经微调的40亿参数开源模型在预测家庭行为上追平专有大模型

NBER 研究人员 Jin Huang、Diego Ferreras Garrucho、Yutong Xie、Walter M. Yuan、Qiaozhu Mei、Chen Lian 和 Jonathon Hazell 在 HouseholdBench 上测量了 13 个专有和开源 LLM 的性能。HouseholdBench 结合了 6 项美国住户调查和 32 项预测任务。他们发现，一个 40 亿参数的开源模型在经过微调并对每个观测值聚合 16 个预测后，其性能与专有模型相当。