用于可扩展社会与市场建模的精确合成人口

我们提出了一种约束编程框架，用于生成能够以高精度再现目标统计数据的合成人口，同时强制实施完整的个体一致性。与从样本中推断分布的数据驱动方法不同，我们的方法直接编码聚合统计数据和结构关系，从而在不要求任何微观数据的情况下实现对人口统计特征的精确控制。我们在官方人口统计数据上验证了该方法，并研究了分布偏差对下游分析的影响。这项工作是在Emotia开发的Pollitics项目中进行的，在该项目中，合成人口可以通过大型语言模型进行查询，以模拟社会行为、探索市场和政策场景，并在不包含个人数据的情况下提供可复现的决策级洞察。