Polypersona：基于人设的LLM用于综合调查响应生成
计算与语言
2025-12-17 v1 人工智能
摘要
本文引入PolyPersona，一个用于生成跨多个领域的人设条件调查响应的生成框架。该框架在参数高效的LoRA适配器下进行指令调优，采用4位量化并在资源自适应训练设置下运行。对话式数据管道显式保留人设线索，确保生成响应在行为一致性方面得到保障。通过该管道，我们构建了一个包含3,568个合成调查响应的数据集，覆盖十个领域和433个不同的人设，支持受控指令调优和系统化的多领域评估。我们采用多指标评估套件评估生成的响应，将标准文本生成指标（包括BLEU、ROUGE和BERTScore）与旨在评估结构连贯性、风格一致性和情感对齐的调查特定指标结合使用。实验结果表明，像TinyLlama 1.1B和Phi-2这类紧凑模型的性能可与更大的7B至8B基线相当，最高BLEU得分为0.090，ROUGE-1为0.429。这些发现表明，人设条件微调使小型语言模型能够生成可靠且连贯的合成调查数据。该框架提供了一个高效且可复现的调查数据生成方法，支持可扩展的评估，同时通过透明且开放的协议促进偏差分析。
引用
@article{arxiv.2512.14562,
title = {Polypersona: Persona-Grounded LLM for Synthetic Survey Responses},
author = {Tejaswani Dash and Dinesh Karri and Anudeep Vurity and Gautam Datla and Tazeem Ahmad and Saima Rafi and Rohith Tangudu},
journal= {arXiv preprint arXiv:2512.14562},
year = {2025}
}
备注
Accepted in IEEE Bigdata 2025- LLMs4ALL