什么帮助语言模型预测人类信念：人口学特征还是先验立场？
计算与语言
2026-02-02 v2
摘要
信念塑造了人们的推理、交流和行为方式。然而，它们并非孤立存在，而是呈现出丰富的相关结构——一些通过逻辑依赖相互关联，另一些则通过间接关联或社会过程相互关联。随着大语言模型（LLM）在社会中变得越来越普遍，LLM理解和推理人类信念的能力对隐私问题、个性化说服以及潜在的刻板印象等都具有多重意义。然而，LLM如何捕捉这种信念相互关联的格局仍不明确。例如，在预测某个人的信念时，最影响预测的因素是——他们是谁（人口学特征），他们另有哪些信念（先验立场），还是两者的组合？我们采用在线辩论平台上的数据，对现成的开源权重 LLM 在四种情境下的预测能力进行评估：无上下文、仅人口学特征、仅先验信念、两者组合。我们发现，两种信息都显著提升了基于盲测的预测效果，在大多数情况下，两者的组合能获得最佳性能。然而，各信念领域中每种信息的相对价值差异很大。这些发现揭示了当前 LLM 在推理人类信念时如何利用不同类型的社会信息，凸显了其能力与局限。
引用
@article{arxiv.2511.18616,
title = {What Helps Language Models Predict Human Beliefs: Demographics or Prior Stances?},
author = {Joseph Malone and Rachith Aiyappa and Byunghwee Lee and Haewoon Kwak and Jisun An and Yong-Yeol Ahn},
journal= {arXiv preprint arXiv:2511.18616},
year = {2026}
}
备注
32 pages, 6 figures