会议资讯

会议：首届“大语言模型与社会科学国际会议”(LLMSS 2026)Inaugural Large Language Models and the Social Sciences Conference (LLMSS 2026)时间：2026年10月14日- 16日地点：香港城市大学

联合主办：

香港城市大学计算社会科学实验室牛津大学纳菲尔德学院"与机器对话"倡议（Talk-to-Machine Iniative）北京大学全球风险政治分析实验室

支持单位：

欧洲政治学会（European Political Science Association）性质：国际学术会议（工作语言为英文）会议网站：https://talkingtomachines.org/llmss-conference-hong-kong-2026/#会议简介：2026年大语言模型与社会科学会议（LLMS 2026）是一个跨学科的学术论坛，旨在汇聚学者与从业者，共同探讨大语言模型与社会科学研究的交叉领域。会议将汇集人工智能研究者（包括计算机科学家、工程师、机器学习专家和应用数学家）、行业从业者（例如来自健康科学、法律和金融科技领域）、政府代表以及来自政治学、社会学、经济学和传播学等领域的社会科学家。与会者将分享LLM技术的前沿发展、面向社会数据的新颖应用，以及从跨学科合作中获得的深刻见解。LLMS 2026的召开正值将基于LLM的方法整合到社会科学工作流程的早期阶段。本次会议提供了一个及时的国际论坛，以展示创新研究、交流思想并获得建设性反馈。会议采用研讨会形式，包括安排指定讨论人的研究报告和问答环节，旨在促进来自不同领域与会者之间的开放式讨论、协作和方法论的进步。我们特别鼓励跨学科研究，并致力于营造一个以反馈为导向的环境，以激发AI技术社群与社会科学家之间的新合作。

征稿启事

研究主题 我们诚邀投稿，范围涵盖LLM发展与社会科学交汇处的广泛主题。具体关注领域包括但不限于以下主题（投稿可以是理论性或应用性的，我们也欢迎介绍用于支持LLM驱动的社会科学研究的新工具、数据集、库或平台的论文）：

（一）数据生成与收集

实验中的LLMs：在社会科学研究中，将AI智能体用作调查对象、访谈者、实验主体或参与者。自适应实验设计：利用LLM指导调查和实验的设计（例如，动态生成或改进治疗情景描述和实验方案）。合成数据与数据增强：利用LLMs生成合成文本或多模态数据，以扩充训练数据集或模拟社会场景。利用LLMs进行数据整理：为社会科学研究大规模汇编文本、图像、视频和音频语料库，以及利用LLM辅助进行数据标注和注释。

（二）LLM在社会科学研究中的应用

文本分析与分类：基于LLM的方法用于内容分析、主题分类、情感分析，以及生成社会科学文本数据的嵌入表示。

基于文本的因果推断：使用LLMs设计或解释实验（例如，从为研究创建的文本和图像情景中估计处理效应）。

开放式回答与会话分析：在LLMs的辅助下分析访谈、焦点小组转录稿、社交媒体对话和开放式调查回答。特定领域应用：在政治传播、公共政策、经济建模、法律和文化分析等领域创新性地使用LLMs。

（三）LLM开发与适配

可解释性与解释：解释LLM决策和输出的技术（模型可解释性、透明度、对内部表征的探测）。微调与领域适配：为社会科学中的特定领域任务和数据集微调或适配LLMs的方法（包括资源有限或专业语料库）。提示工程：提升LLM在社会科学用例中表现、可靠性和事实性的提示设计与条件设定策略。评估与基准测试：为LLMs开发评估协议、基准任务和度量标准（包括在社会科学任务上的性能基准测试、偏见与公平性审计，以及模型的行为分析）。模型行为与涌现能力：描述LLM的行为、偏见和涌现能力（例如一致性、真实性、适应性），并识别其失败模式或幻觉。多模态与新型架构：LLM架构的进展，包括整合文本与图像、音频或视频的多模态模型，以及其他与社会科学数据相关的新兴模型创新。

（四）工具、平台与基础设施

研究工具与库：开发软件工具、库或框架（优选开源），以便利社会科学家进行基于LLM的分析和工作流。平台与流程：将LLMs整合到数据收集、分析或可视化过程中的LLM驱动的研究平台、工具链或流程（例如，交互式分析笔记本、API集成，或人机研究的协作环境）。可扩展性与部署：在现实世界环境中部署LLMs的实际挑战与解决方案——包括可扩展的模型服务、大型模型的计算基础设施、高性价比的推理，以及将LLMs集成到组织或面向公众的应用程序中。可重复性与最佳实践：确保LLM实验可重复的基础设施和方法论最佳实践（模型/提示的版本控制、评估标准化和结果验证）。

（五）伦理、政策与社会影响

伦理与负责任的人工智能：在研究中使用和部署LLMs所面临的伦理挑战（例如，隐私、同意、错误信息问题，以及人机交互的负责任设计）。公平性与偏见：识别并缓解LLM训练数据或输出中的偏见；确保在不同人群或语言中应用LLMs时的公平性与公正性。政策与治理：LLM的广泛采用对机构和政策的影响——包括AI监管、法律考量，以及社会中LLM使用的治理框架。社会与经济影响：LLMs对经济和社会的广泛影响（例如对劳动力市场、教育、媒体和公共话语的影响），以及社会科学家如何研究这些变化。稳健性与可重复性：确保基于LLM的研究发现的可重复性和稳健性（结果验证、模型稳定性和方法的透明报告），以及对在敏感社会环境中使用的LLMs的安全性和对齐性的探讨。

会议形式

特邀主题演讲：来自学术界和工业界LLM研究及应用前沿的顶尖专家的演讲。研究论文与海报展示：录用论文的展示以及进行中工作的海报展示，并提供充足的问答和讨论时间。互动研讨会展示：研讨会形式的环节，研究人员可以演示工具、分享数据或进行关于专业方法的迷你教程。方法与工具演示：现场演示与LLM和社会科学相关的新软件、库或实验技术。结构化反馈与讨论：为每篇展示的论文安排专门的讨论人反馈和开放式讨论，以提供深入、建设性的批评并促进合作。论文提交请通过会议提交系统(COMS)进行投稿：https://coms.app/epsa-llm-26/welcome.html

我们欢迎完整的研究论文，也欢迎描述进行中的工作、初步结果或有望从反馈中获益的项目的扩展摘要。所有提交都将经过同行评审，重点是为作者提供有用的反馈。

重要日期

摘要提交截止日期：2026年3月31日录用通知日期：2026年5月1日

其他截止日期（例如最终版论文提交）将通知被录用的作者。

会议注册、住宿等安排及其他详见会议网站https://talkingtomachines.org/llmss-conference-hong-kong-2026/#