哦，大型语言模型，我在请教你，请给我一个决策树：零-shot决策树推导与嵌入

本研究解决了在数据有限的情况下如何利用大型语言模型（LLMs）生成可解释的机器学习模型（决策树）这一问题。我们通过展示LLMs可以在没有任何训练数据的情况下生成决策树，发现这些零-shot决策树在某些小型表格数据集上优于数据驱动的树，并且这些树所衍生的嵌入在平均性能上与数据驱动的嵌入相当。这些知识驱动的决策树推导和嵌入方法为低数据环境中的数据驱动机器学习方法提供了强有力的新基准。