大语言模型生成人设：前景与隐忧
计算与语言
2025-03-24 v1 人工智能
计算机与社会
社会与信息网络
摘要
利用大语言模型(LLMs)模拟人类行为已获得广泛关注，特别是通过近似个体特征的人设。基于人设的模拟有望变革依赖群体层面反馈的学科，包括社会科学、经济分析、市场研究和商业运营。传统方法收集真实人设数据面临重大挑战：由于隐私约束，它们成本高昂且后勤复杂，且往往无法捕捉多维度属性，特别是主观品质。因此，利用LLM进行合成人设生成提供了一种可扩展、经济高效的替代方案。然而，当前方法依赖临时性和启发式生成技术，无法保证方法论严谨性或模拟精度，导致下游任务中出现系统性偏差。通过包括总统选举预测和美国人口总体意见调查在内的大规模实验，我们揭示这些偏差可能导致与真实世界结果的显著偏离。我们的研究结果强调了开发严谨的人设生成科学的必要性，并概述了提升LLM驱动的人设模拟可靠性和可扩展性所需的方法论创新、组织和机构支持以及经验基础。为支持该领域的进一步研究和开发，我们已开源约一百万个生成人设，可在https://huggingface.co/datasets/Tianyi-Lab/Personas公开访问和分析。
引用
@article{arxiv.2503.16527,
title = {LLM Generated Persona is a Promise with a Catch},
author = {Ang Li and Haozhe Chen and Hongseok Namkoong and Tianyi Peng},
journal= {arXiv preprint arXiv:2503.16527},
year = {2025}
}