LLM生成人格在低资源环境下的偏离：以孔加拉国为例
计算机与社会
2025-12-03 v1 计算与语言
摘要
近期进展使大型语言模型（LLMs）能够生成AI人格，但其缺乏深层的情境、文化和情感理解，构成了重要局限。本研究在类似孔加拉国等低资源环境中，对比了人类响应与八种LLM生成的社交人格（如男性、女性、穆斯林、政治支持者）的回应。结果显示，人类在回答问题方面显著优于所有LLMs，在所有人格感知矩阵中均表现突出，尤其在同情心和可信度方面差距尤为显著。此外，LLM生成的内容在“波莉亚 principle”方面呈现系统性偏差，积极情感得分显著高于人类（LLMs平均 vs. 人类 ）。这些发现表明，LLM人格并不准确反映资源稀缺环境中真实人们的真实经历。在将其用于社会科学研究之前，必须将LLM人格与真实世界人类数据进行验证，以确保其对齐性和可靠性。
引用
@article{arxiv.2512.02058,
title = {Misalignment of LLM-Generated Personas with Human Perceptions in Low-Resource Settings},
author = {Tabia Tanzin Prama and Christopher M. Danforth and Peter Sheridan Dodds},
journal= {arXiv preprint arXiv:2512.02058},
year = {2025}
}