PoSSUM：一种利用多模态 LLM 调查社交媒体用户的协议
应用统计
2025-03-10 v1 社会与信息网络
摘要
本文介绍了 PoSSUM，一种通过多模态大语言模型（LLM）对社交媒体用户进行无干扰调查的开源协议。PoSSUM 利用用户的实时帖子、图像和其他数字痕迹来创建硅样本，以捕获 LLM 训练数据中不存在的信息。为了获得具有代表性的估计，PoSSUM 采用具有结构化先验的多层回归与后分层（MrP），以抵消社交媒体平台中可观测的选择偏差。该协议在 2024 年美国总统选举期间得到验证，期间进行了五次 PoSSUM 民调并发布在 GitHub 和 X 上。在最后一次于 10 月 17 日至 26 日进行的民调中，使用 1,054 名 X 用户的合成样本，PoSSUM 准确预测了 51 个州中 50 个州的结果，并赋予共和党候选人 0.65 的获胜概率。值得注意的是，它还表现出比大多数知名民调机构更低的全州级别偏差。这些结果证明了 PoSSUM 作为传统调查方法的完全自动化、无干扰替代方案的潜力。
引用
@article{arxiv.2503.05529,
title = {PoSSUM: A Protocol for Surveying Social-media Users with Multimodal LLMs},
author = {Roberto Cerina},
journal= {arXiv preprint arXiv:2503.05529},
year = {2025}
}