面向公共意见模拟的参数化社会身份注入与多样性提升
计算与语言
2026-03-18 v1
摘要
大型语言模型 (LLM) 最近被用作公共意见模拟的合成代理，作为昂贵且缓慢的人类调查的有前景的替代方案。尽管具有可扩展性，当前的 LLM-based 模拟方法无法捕捉社会多样性，导致群体间差异被平化，同一人口统计学群体内响应过于单一。我们识别出这一限制为 LLM 隐藏表示中的"多样性崩溃"现象，其中不同的社会身份在各层面上变得日益不可区分。鼓励这一观察，我们提出了参数化社会身份注入框架 (PSII)，该框架直接将明确的、参数化的民族属性和价值取向注入 LLM 中间隐藏状态。不同于基于提示的角色人格条件，PSII 实现了在表示层面的细粒度和可控身份调制。针对世界价值调查，使用多个开源 LLM 进行大量实验表明，PSII显著提高了分布保真度和多样性，通过降低与真实世界调查数据之间的 KL 散度，同时增强整体多样性。这项工作为 LLM 代理的表示层级控制提供了新见解，推动了可扩展且注重多样性的公共意见模拟。代码和数据已公开。
引用
@article{arxiv.2603.16142,
title = {Parametric Social Identity Injection and Diversification in Public Opinion Simulation},
author = {Hexi Wang and Yujia Zhou and Bangde Du and Qingyao Ai and Yiqun Liu},
journal= {arXiv preprint arXiv:2603.16142},
year = {2026}
}
备注
16 pages, 9 figures