LLM-SAA：用于决策制定的LLM角色生成分布
机器学习
2026-05-26 v2
摘要
LLMs可以生成丰富的数据，从模拟人类估值和偏好的角色，到基于世界知识的需求预测。但这类LLM生成的分布能在多大程度上支持下游决策？例如，在为新产品定价时，公司可以提示LLM根据产品描述模拟消费者的支付意愿，但由此产生的分布对于优化价格有多大用处？我们将这种方法称为LLM-SAA，其中使用LLM构建一个估计分布，然后在该分布下优化决策。在本文中，我们基于这些分布所引发的决策，研究了评估这些LLM生成分布质量的指标。以三个经典的决策问题（品类优化、定价和报童问题）为例，我们发现LLM生成的分布在实际中是有用的，尤其是在低数据情况下。我们还表明，诸如Wasserstein距离之类的决策无关指标在评估这些用于决策的分布时可能会产生误导。
引用
@article{arxiv.2602.06357,
title = {LLM-SAA: LLM-persona Generated Distributions for Decision-making},
author = {Jackie Baek and Yunhan Chen and Ziyu Chi and Will Ma},
journal= {arXiv preprint arXiv:2602.06357},
year = {2026}
}