1.1万项研究打底，人物角色构建成本不到0.5美元！
MetaPersona: Task-Grounded Synthetic Populations from Empirical Social Science
📖 AI 总结
该研究针对LLM社会模拟中人格设定面临的冷启动难题——即缺乏原则性依据来决定纳入哪些属性及其取值，导致合成人群可能偏离真实的人口构成、潜在属性与依赖结构——提出了MetaPersona框架。其基础是MetaPersona-DB数据集，涵盖11000余项实证人类被试研究，并标注了任务相关变量、已报告关系及总体层面的人口统计信息。框架通过检索任务相关证据、构建源自文献的人格依赖图，并依据连接人口特征、潜在属性与结果的实证先验进行人群采样。在三个下游案例、三个基线与三个前沿模型上的测试显示，效果因任务和模型而异：在错误信息信念与AI工具态度上表现较强，在收入再分配议题上结果不一。使用GPT-5.2时，单任务人格构建成本降至0.5美元以下。研究还提供了MetaPersona-Studio交互式原型界面。
🔑 关键词速览
| MetaPersona-DB | 一个包含超过11,000项实证人类受试者研究的数据集，标注了任务相关变量、报告的关系和人口统计数据。 |
| MetaPersona | 一个基于实证社会科学的框架，用于检索任务相关证据、构建人物角色依赖图并采样合成人群。 |
| 冷启动问题 | 指在LLM社会模拟中，初始化人物角色时缺乏原则性基础来决定属性选择和赋值的问题。 |
| 合成人群 | 通过计算生成的模拟人群，用于代表真实人口的特征和行为，以支持社会模拟研究。 |
| 人物角色依赖图 | 从文献中构建的图形结构，表示人物角色属性之间的依赖关系，用于指导合成人群的生成。 |
📱 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