यह अध्ययन इस बात की जांच करता है कि ऊर्जा से संबंधित विकल्प प्रयोग सर्वेक्षणों में उपभोक्ता विकल्पों का अनुकरण करने और उन्हें डेटा विश्लेषण वर्कफ़्लो में एकीकृत करने के लिए बड़े पैमाने पर भाषा मॉडल (एलएलएम) का उपयोग कैसे किया जाए। LLaMA 3.1, मिस्ट्रल, GPT-3.5 और डीपसीक-आर1 सहित कई एलएलएम का उपयोग करते हुए, हमने परीक्षण परिदृश्यों की एक श्रृंखला तैयार की और त्वरित डिजाइन, संदर्भ-आधारित शिक्षण (ICL), विचार-श्रृंखला (CoT) अनुमान, एलएलएम प्रकार, मौजूदा विकल्प मॉडल के साथ एकीकरण और संभावित पूर्वाग्रहों को ध्यान में रखते हुए व्यक्तिगत और समग्र दोनों स्तरों पर सिमुलेशन प्रदर्शन का व्यवस्थित रूप से मूल्यांकन किया। क्लाउड-आधारित एलएलएम ने हमेशा छोटे, स्थानीय मॉडलों से बेहतर प्रदर्शन नहीं किया; अनुमानात्मक मॉडल, डीपसीक-आर1 ने उच्चतम औसत सटीकता (77%) हासिल की हमने पाया कि पूर्व चयनित डेटा सबसे प्रभावी इनपुट था, तथा अतिरिक्त तत्वों और भिन्न प्रारूपों वाले लंबे संकेत LLM को विचलित कर सकते थे और सटीकता को कम कर सकते थे।
