基于理论导向的结构化访谈生成式人格模拟
计算与语言
2026-01-21 v2 人工智能
摘要
尽管大型语言模型（LLM）在某些方面具有人类代理的潜力，但它们往往无法生成具有人类类似多样性的异构数据，从而削弱了其在推动社会科学研究中的价值。为弥合这一差距，我们提出了一种新方法，通过人格结构化访谈（Personality Structured Interview, PSI）将心理学见解纳入LLM模拟。PSI利用心理测量尺度开发程序，从正式的心理学视角捕捉人格相关的语言信息。为系统评估模拟保真度，我们开发了一种基于测量理论的评估程序，考虑到人格的潜在构造特性，评估其可靠性、结构有效性和外部有效性。来自三个实验的结果表明，PSI有效改善了LLM模拟人格数据的类人异构性，并预测了人格相关的行为结果。我们进一步提供了一种理论框架，用于设计理论导向的结构化访谈，以增强LLM在模拟人类数据以进行更广泛心理测量研究中的可靠性和有效性。
引用
@article{arxiv.2502.12109,
title = {Generative Personality Simulation via Theory-Informed Structured Interview},
author = {Pengda Wang and Huiqi Zou and Han Jiang and Hanjie Chen and Tianjun Sun and Xiaoyuan Yi and Ziang Xiao and Frederick L. Oswald},
journal= {arXiv preprint arXiv:2502.12109},
year = {2026}
}
备注
Accepted at EACL 2026; 87 Pages, 68 Tables, 10 Figures