Synthia：基于社交媒体数据的可扩展 grounding 人格生成

以人格为驱动的仿真正在计算社会科学中日益普及，但其有效性严格依赖于底层人格的忠实度。构建既真实又可扩展的虚拟人口 remains 一个核心挑战。我们引入 Synthia，一个将 LLM 生成的人格 grounding 在真实社交媒体帖子上的人格生成框架，同时将叙事构建委托给语言模型，使用来自 Bluesky 平台的公开数据。通过多个社交调查基准，Synthia 在对齐人类意见分布方面优于先前的最先进方法，同时依赖的模型规模显著更小。多维度公平性和偏见分析显示，Synthia 在大多数人口统计学特征上针对不同维度的不同情况均优于先前方法。独特的是，Synthia 保留了基于真实社交网络用户构建的人格之间的 interaction-graph 结构，使其能够进行 network-aware 分析，我们通过两个以 homophily 为主题的案例研究予以展示。综上，这些结果将 Synthia 定位为一个实用且可靠的框架，用于构建可扩展的、高忠实度的且公平的虚拟人口。