按年被提到
20242024 · 7 次2026
AI 安全、伦理与社会影响›大模型与人类行为·arXiv:2411.10109 · cs.AI

LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals

基于自我报告的 LLM 智能体实现通用的个体模拟
Joon Sung Park, Carolyn Q. Zou, Jonne Kamphorst, Niles Egan, Aaron Shaw, Benjamin Mako Hill, Carrie Cai, Meredith Ringel Morris, Percy Liang, Robb Willer, Michael S. Bernstein · 2024

用访谈和问卷构建 LLM 智能体,模拟 1052 名美国人的态度与行为

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 10 人首次 2024-11-18 · 最近 2025-08-01
10不同的人
5活跃月份
10讨论串
273被引(OpenAlex)

论文用 1052 名美国人的数据,基于两小时的半结构化访谈、结构化问卷或两者结合构建生成式智能体,检验 LLM 能否无需针对具体结果训练就预测个体回答。在保留的 General Social Survey 题目上,访谈、问卷和二者结合的智能体分别达到参与者自身两周重测一致性的 83%、82%、86%,仅用人口统计信息的智能体为 74%;这些智能体还能预测人格特质、经济博弈行为和实验反应,并缩小不同种族和意识形态群体间的准确率差距。

HN 为什么提它

HN 上的人把它当作用 LLM 智能体模拟真实个体这一方向中最常被引用的一篇。

实证研究难度 2 / 5约 60 分钟有时效性
读之前最好知道
1大语言模型(LLM)基础
2生成式智能体(generative agents)
3社会调查方法(如 General Social Survey)
4重测信度(test-retest reliability)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用kevdoran · 2025-08

“This is the one I see cited most often”

指出这是自己见到被引用最多的一篇,用自我报告驱动 LLM 智能体模拟个体
Launch HN: Societies.io (YC W25) – AI simulations of your target audience原评论 ↗
被提交为 story · 9 次