arXiv · cs.AI· Dongryeol Lee, Weronika {\L}ajewska, Leonardo Perelli, Saab Mansour·· 2 天前
研究数据驱动人格用于调查模拟及不同数据访问条件下的对齐度
Data-Driven Personas for Survey Simulation: Insights into Simulation Alignment Across Data-Access Regimes
arXiv:2610.05828v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Dongryeol Lee, Weronika {\L}ajewska, Leonardo Perelli, Saab Mansour
研究任务与主要进展
研究分析了由异质匿名公共行为数据生成的人格，如何条件化大语言模型模拟不同人口群体的调查回答。摘要发现，非目标域数据生成的人格很少超过仅使用基本人口信息的模拟，主要受人口不匹配影响；当人格准确分配到目标人口群体时，对齐度显著提高，而目标域调查历史越多，泛化到未见问题的能力越强。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org