LLMベースの人口シミュレーションにおける社会的バイアスの軽減

この論文は、大規模言語モデル（LLM）を人口応答のシミュレーションに使用する際の重要な問題である、社会的望ましさバイアス（SDB）に対処しています。このバイアスを軽減するためのプロンプトベースの手法を調査しており、LLMベースのシミュレーションの有効性と信頼性を確保するために不可欠です。実用的なプロンプトエンジニアリングに焦点を当てているため、この研究結果は、LLMを社会科学研究に使用する研究者や実務者に直接適用できます。ANESのような確立されたデータセットの使用と、厳密な評価指標（Jensen-Shannon Divergence）の使用は、この研究の信頼性を高めています。

• •LLMは、人口応答をシミュレーションする際に社会的望ましさバイアス（SDB）を示します。
• •プロンプトベースの手法はSDBを軽減できます。
• •再構成されたプロンプト（中立的な言い回し）が最も効果的です。
• •他の方法（逆コーディング、プライミング、プリアンブル）は、混合または無益な結果を示しました。
• •この発見は、LLMベースのシミュレーションの代表性を向上させます。