传统的机器学习模型用于自动信息分类需要针对每个任务重新训练数据。研究人员已经证明，使用大型语言模型（LLM）可以在无需额外训练数据的情况下，以足够的准确性自动对艺术数据进行分类。
艺术已经成为一个重要的投资资产。这导致了对艺术价格预测作为评估潜在回报和风险工具的日益关注。然而，由于涉及的巨大人力成本和时间，组织和标注用于价格预测所需的数据非常具有挑战性。为了解决这个问题，研究人员应用了一种被称为“零样本分类”的技术，该技术利用大型语言模型（LLM）在不需要预先准备训练数据的情况下对数据进行分类。
研究团队探索了自动确定艺术作品类型（如绘画、印刷品、雕塑和摄影）的可行性，通过将开放模型“Llama-3 70B”优化为4位格式。结果证实，该模型对艺术作品类型的分类准确率超过90%。此外，与OpenAI的GPT-4o生成性AI相比，其准确率略高。
这种方法能够实现与传统机器学习方法相当的性能，同时显著减少数据组织所需的人力和时间。 这些结果可能提高艺术分析和价格评估的可及性，为投资、研究和鉴赏提供更广泛的机会。
