論文の概要: The Need for a Socially-Grounded Persona Framework for User Simulation

• arxiv url: http://arxiv.org/abs/2601.07110v1
• Date: Mon, 12 Jan 2026 00:27:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.163687
• Title: The Need for a Socially-Grounded Persona Framework for User Simulation
• Title（参考訳）: ユーザ・シミュレーションのためのソーシャル・グラウンド・パーソナ・フレームワークの必要性
• Authors: Pranav Narayanan Venkit, Yu Li, Yada Pruksachatkun, Chien-Sheng Wu,
• Abstract要約: 本稿ではペルソナ構築と評価のためのフレームワークSCOPEを紹介する。 人口統計のみのペルソナが構造的ボトルネックであることがわかった。 心理学的側面を追加することで行動予測が改善し、過度なアセンテーションが減少する。 以上の結果から, 人格の質は, 階層的テンプレートや要約よりも, 心理学的構造に依存していることが示唆された。
• 参考スコア（独自算出の注目度）: 32.09483697866529
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic personas are widely used to condition large language models (LLMs) for social simulation, yet most personas are still constructed from coarse sociodemographic attributes or summaries. We revisit persona creation by introducing SCOPE, a socially grounded framework for persona construction and evaluation, built from a 141-item, two-hour sociopsychological protocol collected from 124 U.S.-based participants. Across seven models, we find that demographic-only personas are a structural bottleneck: demographics explain only ~1.5% of variance in human response similarity. Adding sociopsychological facets improves behavioral prediction and reduces over-accentuation, and non-demographic personas based on values and identity achieve strong alignment with substantially lower bias. These trends generalize to SimBench (441 aligned questions), where SCOPE personas outperform default prompting and NVIDIA Nemotron personas, and SCOPE augmentation improves Nemotron-based personas. Our results indicate that persona quality depends on sociopsychological structure rather than demographic templates or summaries.
• Abstract（参考訳）: 合成ペルソナは、社会シミュレーションのために大きな言語モデル(LLM)を条件付けるために広く使用されているが、ほとんどのペルソナは、いまだに粗い社会デマグラフィー属性や要約から構築されている。 我々は,米国在住124人の参加者から収集された141石の2時間の社会心理学的プロトコルから構築された,人格構築と評価のための社会的基盤となるフレームワークであるSCOPEを導入することにより,人格創造を再考する。 7つのモデル全体で、人口統計のみのペルソナは構造的なボトルネックであり、人口統計学は人間の反応類似性の差の1.5%しか説明していない。 心理学的側面を追加することで行動予測が改善し、過度なアクセントが減少し、価値とアイデンティティに基づく非デデノグラフ的ペルソナは、かなり低いバイアスで強いアライメントを達成する。 これらの傾向は、SCOPEペルソナがデフォルトプロンプトよりも優れ、NVIDIA Nemotronペルソナ、SCOPE拡張によりNemotronベースのペルソナが改善されるSimBench(441質問)に一般化される。 以上の結果から, 人格の質は, 階層的テンプレートや要約よりも, 心理学的構造に依存していることが示唆された。

関連論文リスト

• DeepPersona: A Generative Engine for Scaling Deep Synthetic Personas [13.83414782465312]
  物語完全合成ペルソナを合成するためのスケーラブルな生成エンジンであるDEEPPERSONAを紹介する。 まず、アルゴリズムによって、数百以上の階層的に組織化された属性からなる、最も大きな人間帰属分類を構築できる。 我々は、平均して数百の構造化属性と約1MBの物語テキストを持つコヒーレントで現実的なペルソナを条件付きで生成する。
  論文  参考訳（メタデータ） (2025-11-10T17:37:56Z)
• TwinVoice: A Multi-dimensional Benchmark Towards Digital Twins via LLM Persona Simulation [55.55404595177229]
  大型言語モデル(LLM)は、人間のような能力を示す。 TwinVoiceは、さまざまな現実世界のコンテキストにわたるペルソナシミュレーションを評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2025-10-29T14:00:42Z)
• Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
  本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。 我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。 特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-12T10:43:47Z)
• Generative Agent Simulations of 1,000 People [56.82159813294894]
  本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。 生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。 我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
  論文  参考訳（メタデータ） (2024-11-15T11:14:34Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。