减轻基于 LLM 的人口模拟中的社会偏见

Research Paper#LLMs, Social Desirability Bias, Prompt Engineering, Silicon Sampling🔬 Research|分析: 2026年1月3日 19:41
发布: 2025年12月27日 23:21
1分で読める
ArXiv

分析

本文探讨了使用大型语言模型 (LLM) 模拟人口响应时的一个关键问题:社会期望偏差 (SDB)。它研究了基于提示的方法来减轻这种偏差,这对于确保基于 LLM 的模拟的有效性和可靠性至关重要。该研究侧重于实用的提示工程,使得研究结果可以直接应用于使用 LLM 进行社会科学研究的研究人员和从业者。使用 ANES 等已建立的数据集和严格的评估指标(Jensen-Shannon Divergence)增加了研究的可信度。
引用 / 来源
查看原文
"Reformulated prompts most effectively improve alignment by reducing distribution concentration on socially acceptable answers and achieving distributions closer to ANES."
A
ArXiv2025年12月27日 23:21
* 根据版权法第32条进行合法引用。