要点：LLM 的预测可以在 A/B 测试中代替人类结果，但这种有效性来自假设，而不是实验设计本身。在包含数千次 A/B 测试的 Upworthy 数据集上，用人类数据校准 LLM 输出后，可以恢复处理效应，但...