本研究分析了大型语言模型（LLMs）生成政治演讲的能力，发现GPT在演讲中频繁使用“我们”，信息较短且句子较长，倾向于乐观基调，与真实总统演讲存在明显差异。

本研究提出了一种基于时间泊松因子分解（TPF）的模型，分析了30多年政治演讲数据中的主题变化和词汇演变。TPF模型通过自回归结构或随机游走模型有效揭示了美国参议院演讲中的主题演变，为政治话语分析提供了重要见解。

本研究分析了希腊2023年大选中政治领袖的竞选演讲，探讨了人类与人工智能（如ChatGPT）在政治言辞分析中的合作，揭示了人工智能的优势与局限性，并强调了人类监督的重要性。