用大模型补数据集元数据，为什么还要核对一次？

当研究资料缺少说明字段时，让大模型自动填写看起来很方便。不过生成的内容是否真实对应数据集，不能仅凭表达流畅判断。尤其是采集地点、变量意义、研究对象和访问条件等信息，一旦填错，后续使用者可能会错误理解整份资料。

爱丁堡大学研究数据服务博客在2026年3月分享IDCC 2026会议观察：会议讨论了使用大型语言模型补齐缺失元数据，以及为研究者的数据管理计划提供自动反馈。作者同时指出，相关演示仍需要人工策展人员逐项检查，报告者对究竟节省还是增加工作时间尚无把握。[1]这不是对任何具体产品准确率的量化测试。

先挑出“可以辅助草拟”的字段

本文建议，将元数据字段分成来源有据可查的事实、可以从已有描述整理的文字、必须由负责人判断的声明。对前两类，可以把自动生成结果当作待核对草稿；对于使用许可、敏感程度或访问承诺，不应仅靠模型猜测作出决定。

例如，一份调查数据需要解释某个缩写代表什么。若原始字典中已经定义，可以据原文件核对生成的说明；若项目从未记录，模型就不应把一种猜测填成确定事实。这是方法演示，不代表对任何真实数据集进行了检查。

把人工复核也算进效率

比较“人工填写”和“模型草拟后人工复核”时，可分别记录准备输入、发现问题、修改和最终确认所需的环节。不必预设机器一定更快。原来源真正提醒的是：策展质量和工作人员负担需要一起考虑。[1]

对外发布之前，保留谁确认了哪些字段、依据是什么，以及哪些仍未核实。这样，工具可以帮助组织材料，却不会让未经证实的描述伪装成已经验证的研究事实。