信念-模拟：关于人口统计学误导易感性的信念驱动仿真

误导是日益增长的社会威胁，不同人口统计学群体对误信息的易感性因其底层信念的差异而有所不同。随着大型语言模型（LLM）越来越多地用于模拟人类行为，我们调查它们是否能够将信念作为主要驱动因素来模拟人口统计学误导易感性。我们引入BeliefSim，一个仿真框架，通过心理学信息的误导分类和调查先验构建人口统计学信念轮廓。我们研究基于提示的条件和后训练适应，并通过以下多重评估进行评估：（i）易感性对齐和（ii）反事实人口统计学灵敏度。跨越两个数据集和建模策略，我们显示，信念是模拟误信息易感性的强先验，达到92%的对齐。