LISS panel

大型语言模型身份近似人类调查数据以获取稳定属性

研究人员调查了使用由大型语言模型驱动的数字身份替代调查中的人类受访者的可靠性。他们的研究利用 LISS 面板以及各种身份架构和大型语言模型，发现这些身份能够有效近似人类的响应分布，尤其是在与稳定属性和价值观相关的问题上。然而，身份在个体预测方面显示出局限性，并且未能捕捉到复杂的受访者结构。数字身份的有效性被发现更多地取决于人类响应的内在结构，而不是所使用的特定大型语言模型，在变化较少和常见的模式上表现最佳，在主观或罕见的响应上表现最差。