直觉提示让AI代理模拟社交媒体反应保真度飙升，个体差异压缩从七倍降到三倍！
Thinking Less to Simulate Better: Intuitive Prompting Improves LLM Agents Simulating Individual Social Media Reactions, Including Unfamiliar Content
📖 AI 总结
本研究通过问卷、深度访谈和自我陈述为八名塞尔维亚参与者建立画像，记录他们对68条社交媒体帖子的真实反应，并让四种语言模型在五种提示条件下预测这些反应。结果显示，包含态度信息的画像比仅含人口统计背景的画像预测效果显著更好；智能体与其设定画像的一致程度甚至高于参与者与自身问卷答案的一致程度，且一旦提供画像信息，一致性与保真度便不再相关。最关键的发现是，要求模型凭直觉即时回应而非分析性思考，在所有条件中取得最高保真度，并将个体差异的压缩程度从人类水平的七倍降至三倍。这一优势在问卷从未涉及的话题上依然成立，且大幅超越群体基线，表明此类智能体可作为通用模拟用户，而非仅限于画像所涉话题的专家。研究提示，基于直觉的设置在某些任务上可能优于基于推理的设置，对语言模型开发具有启示意义。
🔑 关键词速览
| 代理保真度 | 指人工用户代理模拟真实人类行为或反应的准确程度。 |
| 直觉提示 | 一种指示语言模型快速、直觉地回应而非进行分析性推理的提示方式。 |
| 态度性内容 | 指关于个人态度、观点或价值观的档案信息，而非人口统计特征。 |
| 个体差异压缩 | 指代理模拟中个体间差异被缩小的现象，通常表现为代理反应比人类更相似。 |
| 群体基线 | 一种基于群体平均反应进行预测的基准方法，用于比较个体化代理的预测性能。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅