过于开放了吗？在社会模拟中拥抱大语言模型的开放性

大语言模型（LLM）日益增多地用于模拟公众舆论及其他社会现象。目前大多数研究将这些模拟限制在多选或简答格式下，以便于评分和比较，但此类封闭设计忽略了大语言模型内在的生成性。本position paper我们认为，使用能够捕捉大语言模型中话题、观点及推理过程的自由文本形式的开放性，对实现真实的社会模拟至关重要。基于数十年的调查方法学研究以及最新NLP进展，我们阐述了开放性在LLM社会模拟中的价值，展示了它如何改进测量与设计，支持对意外观点的探索，以及减少研究者施加的指令性偏见。它还捕捉了表达性和个性化特征，有助于预测试，从而最终提升方法论实用性。我们呼吁发展出新实践和评估框架，充分利用而非限制大语言模型的开放生成多样性，实现NLP与社会科学之间的协同作用。