Resumen: Una barrera significativa para la adopción generalizada de la inferencia bayesiana es la especificación de distribuciones y probabilidades previas, lo que a menudo requiere experiencia estadística especializada. Este documento investiga la viabilidad de usar un modelo de lenguaje grande (LLM) para automatizar este proceso. Presentamos LLM-BI (inferencia bayesiana basada en el modelo de lenguaje grande), una tubería conceptual para automatizar los flujos de trabajo bayesianos. Como prueba de concepto, presentamos dos experimentos centrados en la regresión lineal bayesiana. En el Experimento I, demostramos que un LLM puede obtener con éxito distribuciones previas del lenguaje natural. En el Experimento II, mostramos que un LLM puede especificar toda la estructura del modelo, incluidos los antecedentes y la probabilidad, de una sola descripción del problema de alto nivel. Nuestros resultados validan el potencial de LLM para automatizar los pasos clave en el modelado bayesiano, lo que permite la posibilidad de una tubería de inferencia automatizada para la programación probabilística.
Publicado Originalme en export.arxiv.org El 12 de agosto de 2025.
Ver Fuente Original
