English(EN) Behavioral History Outperforms Descriptions of the Person for LLM Synthetic Personas

LLM合成角色通过过往行为比描述更能预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

发表在arXiv上的一项新研究表明，使用LLM的过往回复（即行为历史）来创建合成角色，比依赖个人描述信息更有效。研究人员发现，虽然LLM角色可以匹配人类的聚合回复模式，但它们难以复制个体层面的差异。然而，纳入行为历史显著提高了LLM预测个体选择的能力，恢复了大部分丢失的变异性，并为不同人口群体提供了更丰富的信息。 AI

影响使用行为历史来训练LLM角色可以提高AI驱动的调查和模拟的准确性。

排序理由该集群包含一篇详细介绍LLM合成角色研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍LLM合成角色研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Khashayar Pourtaheri, Ahmad Zareei · 2026-10-15 04:00

行为历史比个人描述更能胜任LLM合成人格

arXiv:2610.03998v2 Announce Type: replace Abstract: Large language models (LLMs) are increasingly used as synthetic personas representing survey respondents. Their validity as substitutes for particular respondents depends on whether they reproduce individuals' decisions. We exam…

本文如何被排名

报道来源 [1]

行为历史比个人描述更能胜任LLM合成人格

相关实体

相关话题