English(EN) Emulate or Estimate? The Divergent Strengths of Base and Post-Trained Language Models for Opinion Simulation

基础模型与后训练LLM：意见模拟中的不同优势

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-05 04:00

一篇新的研究论文探讨了基础模型和后训练大型语言模型在模拟人类意见方面的不同能力。该研究区分了“模仿”，即模型生成个体响应以形成总体分布，以及“估计”，即模型直接预测分布。研究结果表明，基础模型在模仿方面表现出色，能产生更像人类的响应分布并保留人口结构，而后训练模型在直接分布预测方面更有效。 AI

影响阐明了不同的LLM训练方法如何影响它们在特定人类意见模拟任务中的适用性。

排序理由学术论文，详细介绍了关于LLM能力的开创性研究成果。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Seth Grief-Albert, Jessica Bo, Difan Jiao, Ashton Anderson · 2026-08-05 04:00

Emulate or Estimate? The Divergent Strengths of Base and Post-Trained Language Models for Opinion Simulation

arXiv:2608.03044v1 Announce Type: cross Abstract: Large language models are increasingly used to simulate human opinions, but prior work reports conflicting results: some studies find promising alignment with human survey data, while others find persona collapse and weak demograp…