逐条分类造成高额标注成本：大模型批量标注的准确性与成本

大语言模型越来越多地用于社会科学文本分类，但研究者通常在每次提示中仅对一条文本的一个变量标注。10万条文本、四个变量需40万次API调用；每批25条并合并全部变量后，仅需4,000次，词元成本减少80%以上。为检验质量影响，研究用四家提供商的八种生产模型，对四项任务中的3,962条专家标注推文进行评测，批量大小从1到1,000，每次最多合并25个标注维度。八种模型中六种在每批100条以内，准确率与单条基线相差不超过2个百分点。合并最多10个变量的结果接近逐变量标注，性能下降主要由任务复杂性而非提示长度驱动。在所识别的稳定区间中，批量和合并引入的测量误差小于参考数据中常见的人工标注者分歧。