引导型人格基准AI调查：使用大语言模型在规模化情况下复制个人 mobility 偏好吗？
计算与语言
2025-01-27 v1 人工智能
计算机与社会
摘要
本研究探讨了大语言模型（LLM）生成人工调查的潜力，聚焦于德国的个人 mobility 偏好。通过利用LLM进行合成数据创建，我们旨在解决传统调查方法的局限性，如高成本、低效和规模化挑战。本文引入一种新方法，结合"人格"（即人口统计和行为属性的组合），并与另外五种合成调查方法进行比较，这些方法在使用真实世界数据和方法学复杂度方面各不相同。作为衡量合成数据与真实世界模式对齐程度的基准，采用2017年的MiD数据集。结果表明，LLM能够有效捕捉人口统计属性与偏好之间复杂的依赖关系，同时提供灵活性以探索假设情景。这种方法为交通规划和社会科学研究提供了可扩展、高效且具有隐私保护的数据生成机会。
引用
@article{arxiv.2501.13955,
title = {Guided Persona-based AI Surveys: Can we replicate personal mobility preferences at scale using LLMs?},
author = {Ioannis Tzachristas and Santhanakrishnan Narayanan and Constantinos Antoniou},
journal= {arXiv preprint arXiv:2501.13955},
year = {2025}
}