通过背故事全书构建语言模型的虚拟人物形象
计算与语言
2026-05-12 v4 人工智能
摘要
大型语言模型（LLMs）是从由数百万不同作者撰写的海量文本库中训练而来，反映了人类特征的巨大多样性。尽管这些模型有望用作行为研究中人类主体的近似，但以往的努力在引导模型响应以匹配特定人类用户方面受限。本文引入了“Anthology”，一种通过利用我们称为“背故事”的开放性人生叙事来条件化语言模型特定虚拟人物形象的方法。我们展示，Our方法论能够提高实验结果的一致性和可靠性，同时更好地代表多样化亚群体。在Pew Research Center美国趋势面板（ATP）的三项全国代表性人类调查中，我们证明Anthology在匹配人类respondent响应分布方面可实现最高18%的改进，在一致性指标方面可实现27%的改进。
引用
@article{arxiv.2407.06576,
title = {Virtual Personas for Language Models via an Anthology of Backstories},
author = {Suhong Moon and Marwa Abdulhai and Minwoo Kang and Joseph Suh and Widyadewi Soedarmadji and Eran Kohen Behar and David M. Chan and John Canny},
journal= {arXiv preprint arXiv:2407.06576},
year = {2026}
}
备注
EMNLP 2024 Main