大型语言模型生成合成德国公众意见的算法保真度：案例研究

在近期研究中，大型语言模型（LLM）越来越多地被用于调查公众意见。本研究调查了 LLM 的算法保真度，即复制人类参与者的社会文化背景和细微意见的能力。利用来自 German Longitudinal Election Studies (GLES) 的开放式调查数据，我们提示不同的 LLM 通过将人口统计特征纳入角色提示来生成反映德国亚人群的合成公众意见。我们的结果表明，Llama 在代表亚人群方面优于其他 LLM，特别是当这些群体内部意见多样性较低时。我们的发现进一步揭示，与其它政党相比，该 LLM 对左翼政党（如 The Greens 和 The Left）支持者的表现更好，而与右翼政党 AfD 的匹配度最低。此外，提示中特定变量的包含或排除会显著影响模型的预测。这些发现强调了将 LLM 对齐以更有效地建模多样化公众意见的重要性，同时最大限度地减少政治偏见并增强代表性方面的鲁棒性。