論文の概要: Persona-Based Simulation of Human Opinion at Population Scale

• arxiv url: http://arxiv.org/abs/2603.27056v1
• Date: Sat, 28 Mar 2026 00:10:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.757147
• Title: Persona-Based Simulation of Human Opinion at Population Scale
• Title（参考訳）: 人口規模における人的オピニオンのペルソナシミュレーション
• Authors: Mao Li, Frederick G. Conrad,
• Abstract要約: SPIRITは予測ではなくシミュレーション用に明示的に設計されたフレームワークである。 心理学的に根ざした半構造化されたペルソナを公共のソーシャルメディア投稿から推測する。 Ipsos KnowledgePanelを用いて、SPIRIT条件のシミュレーションにより、人口動態よりも自己報告された回答をより忠実に回収できることを示す。
• 参考スコア（独自算出の注目度）: 1.4904327869894571
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: What does it mean to model a person, not merely to predict isolated responses, preferences, or behaviors, but to simulate how an individual interprets events, forms opinions, makes judgments, and acts consistently across contexts? This question matters because social science requires not only observing and predicting human outcomes, but also simulating interventions and their consequences. Although large language models (LLMs) can generate human-like answers, most existing approaches remain predictive, relying on demographic correlations rather than representations of individuals themselves. We introduce SPIRIT (Semi-structured Persona Inference and Reasoning for Individualized Trajectories), a framework designed explicitly for simulation rather than prediction. SPIRIT infers psychologically grounded, semi-structured personas from public social media posts, integrating structured attributes (e.g., personality traits and world beliefs) with unstructured narrative text reflecting values and lived experience. These personas prompt LLM-based agents to act as specific individuals when answering survey questions or responding to events. Using the Ipsos KnowledgePanel, a nationally representative probability sample of U.S. adults, we show that SPIRIT-conditioned simulations recover self-reported responses more faithfully than demographic persona and reproduce human-like heterogeneity in response patterns. We further demonstrate that persona banks can function as virtual respondent panels for studying both stable attitudes and time-sensitive public opinion.
• Abstract（参考訳）: 孤立した反応、嗜好、行動を予測するだけでなく、個人がどのように出来事を解釈し、意見を形成し、判断し、コンテキストを越えて一貫して行動するかをシミュレートするために、人をモデル化することは何を意味するのだろうか? この問題は、社会科学が人間の成果を観察し予測するだけでなく、介入と結果のシミュレートも必要であるからである。 大きな言語モデル(LLM)は人間のような答えを生成できるが、既存のアプローチのほとんどは予測的であり、個人自身の表現よりも人口統計学的相関に依存している。 本研究では,SPIRIT(Semi-structured Persona Inference and Reasoning for individualized Trajectories)を提案する。 SPIRITは、社会的基盤のある半構造化されたペルソナを公共のソーシャルメディア投稿から推論し、構造化された属性(例えば、人格の特徴や世界信仰)と、価値と生きた経験を反映した非構造化された物語テキストを統合する。 これらのペルソナは、調査質問に答えたり、イベントに反応する際に、LSMベースのエージェントが特定の個人として振舞うように促す。 全国的に代表される米国成人の確率サンプルであるIpsos KnowledgePanelを用いて、SPIRIT条件のシミュレーションは、人口動態のペルソナよりも忠実に自己申告された応答を回復し、反応パターンにおける人間のような不均一性を再現することを示した。 さらに、安定した態度と時間に敏感な世論の両方を研究するために、ペルソナ銀行が仮想応答パネルとして機能することを実証する。

関連論文リスト

• HumanLM: Simulating Users with State Alignment Beats Response Imitation [84.89761487596844]
  本稿では,実際のユーザを正確に反映したユーザシミュレータを構築する新しいトレーニングフレームワークHumanLMを提案する。 HumanLMは、強化学習を通じて、地道的な応答に一致した自然言語の潜伏状態を生成する。 本研究では,公開データに基づく実ユーザシミュレーションのための総合的なベンチマークであるHumanualを開発する。
  論文  参考訳（メタデータ） (2026-02-07T20:26:28Z)
• HumanLLM: Towards Personalized Understanding and Simulation of Human Nature [72.55730315685837]
  HumanLLMは個人のパーソナライズされた理解とシミュレーションのために設計された基礎モデルである。 私たちはまず、Reddit、Twitter、Blogger、Amazonといったプラットフォーム上で、現実世界のユーザデータをキュレートした大規模なコーパスであるCognitive Genomeを構築しました。 次に、多様な学習タスクを定式化し、教師付き微調整を行い、モデルの幅広い個人化された人間の行動、思考、経験を予測する。
  論文  参考訳（メタデータ） (2026-01-22T09:27:27Z)
• The Need for a Socially-Grounded Persona Framework for User Simulation [32.09483697866529]
  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。
  論文  参考訳（メタデータ） (2026-01-12T00:27:18Z)
• 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)
• Simulating Society Requires Simulating Thought [9.879510182473487]
  本稿では,ジェネレーティブ・マインド(GenMinds,ジェネレーティブ・マインド)の概念的モデリングパラダイムを提案する。 これらの貢献は、社会シミュレーションのための言語だけでなく思考をシミュレートする表面レベルの模倣から生成的エージェントへと、より広範なシフトを推し進めている。
  論文  参考訳（メタデータ） (2025-06-08T00:59:02Z)
• Personality Structured Interview for Large Language Model Simulation in Personality Research [8.208325358490807]
  人格研究における人間の反応をシミュレートするためのツールとして,理論インフォームド・パーソナリティ構造化インタビューの可能性を探る。 対象サンプルから,32質問に対する個人の回答を含む357件の構造化面接書を作成した。 3つの実験の結果、LLMシミュレーションされた人格データにおいて、よく設計されたインタビューが人間のような不均一性を改善できることを示した。
  論文  参考訳（メタデータ） (2025-02-17T18:31:57Z)
• 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)

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。