本文探讨了大型语言模型（LLMs）在调查中的应用，包括缺失数据插补和预测。研究发现，LLMs在模拟人类观点动态方面存在局限，尤其在政治辩论中表现出固有偏见。尽管LLMs在某些情况下能复制“群体智慧”效应，但在决策中需谨慎使用，以避免偏见影响结果。未来需结合真实世界数据，改进模型以更好地模拟人类行为。

该文综述了利用电子健康记录处理缺失数据并预测住院风险的研究，涵盖对比学习插补、语言模型生成、条件自注意力填补、双变分自编码器及可解释机器学习等方法，在MIMIC等数据集上提升了插补与死亡预测性能。