人格陷阱：LLM 在生成类人人格时嵌入偏见

本文考察了大型语言模型 (LLM) 在生成针对人格问卷作答的合成人口时的偏见问题。我们首先评估了五种 LLM 生成的人格属性在人口统计学属性的代表性和潜在偏见，以及其与预期人格特征的一致性。尽管 LLM 成功复现了人格与人口统计学变量之间的已知相关性，但所有模型都表现出显著的 WEIRD (西方、受教育、工业化、富裕且民主) 偏见，青睐年轻、受教育、白人、异性恋、西方人，拥有 centrist 或 progressive 政治观点并持有世俗或基督教信仰。在第二次分析中，我们操纵输入特征以最大化神经质 (Neuroticism) 和精神病性 (Psychoticism) 分数。值得注意的是，当最大化精神病性时，several 模型会产生非二元性和 LGBTQ+ 身份的过度代表，这引发了对刻板印象以及潜在对边缘化群体的病化担忧。我们的发现凸显了使用 LLM 生成基于心理学的人格合成人口的潜力与风险。