基于校准化价值人格的跨文化问卷模拟提升

大型语言模型 (LLM) 越来越多地用于模拟人类意见和问卷响应，但其在跨文化再现人口响应方面的能力仍有限。现有的基于人格的人格化提示方法通常依赖社会人口统计信息或人格特征，这些只是人类响应所决定因素价值的间接代理。我们提出一种基于价值的人格构建方法，从捕获核心文化维度的问卷响应中派生文本描述。通过对目标人口的价值轮廓进行抽样并聚合 LLM 响应 Across 人格，可获得以观察到的价值分布为依托的群体水平预测。我们进一步引入校准程序，以保持估计意见的同时提高响应多样性。我们表明，方法可减少不同国家间的预测误差，其中在欠代表化人口中的改进尤为显著。这在显著缩小了与主导 LLM 先验相吻合的国家与在训练数据中代表性较低的国家之间的性能差距方面具有重要意义，同时还能产生与人类多样性相匹配的响应分布。