行为历史优于人物描述的LLM合成画像研究

Pourtaheri 与 Zareei 在 arXiv 论文中比较了不同信息条件下 LLM 合成受访者预测个体后续选择的能力，发现提供既往问卷行为历史的合成人比依赖人口统计、人格和认知特征描述的合成人更能复现个体差异。 研究基于845名美国成人的两波面板数据，涉及14项行为偏差测量（风险、时间偏好、过度自信和推理）；行为历史条件下扣除了评分目标偏差的全部条目。结果显示，描述型合成人只能解释53%—67%的人际差异，加入行为历史后恢复至约人类水平；个体层面信息量由7%—12%提升至28%，并在17个人口统计群体中最高。各条件下总体平均偏差数量与人类接近。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。