論文の概要: Reference-Distribution Dependence in LLM-Based Synthetic Persona Data: Diagnosis and Post Hoc Adjustment of Demographic Distributions

• arxiv url: http://arxiv.org/abs/2608.28668v1
• Date: Mon, 24 Aug 2026 07:45:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 13:22:47.651611
• Title: Reference-Distribution Dependence in LLM-Based Synthetic Persona Data: Diagnosis and Post Hoc Adjustment of Demographic Distributions
• Title（参考訳）: LLMに基づく合成人格データの参照分布依存性:復調分布の診断とポストホック調整
• Abstract要約: 観測されたエラーのほとんどは、ジェネレータよりも参照の選択に起因していることを示す。 我々は,小規模なサーベイデザインのための補助材料として,合成ペルソナデータを扱うことを推奨する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We diagnose how closely the demographic distributions in LLM-based synthetic persona data match external reference distributions. For the three variables examined, we show that most of the observed error is attributable to the choice of reference rather than to the generator. Using total variation distance (TVD), we compare the sex x age group x province joint distribution of 1,000,000 records from Nemotron-Personas-Korea (NPK) with Korean official statistics. Against resident-registration figures for April 2026, the time of use, the bias bound, defined as the largest possible difference in the share of any subgroup formed from the three variables, is 1.81 percentage points. This is comparable to the margin of error of a survey of roughly 2,900 respondents. This value is not a fixed property of the data. Matching the reference period and series to the generating reference identified here, the 2024 register-based census restricted to Korean nationals, lowers it to 0.56 percentage points. Over the 15 months between the best-matching month (January 2025) and the time of use, the resident-registration population structure itself moves more than twice the distance of NPK's minimum error. Raking and cell post-stratification, the two weighting schemes used in Korean survey practice, remove most of the reference-period dependence at a variance inflation of about 0.2% in both cases. After raking against the generating reference, the residual joint discrepancy lies at, and marginally above, the upper bound of what a perfect generator would produce when realizing 1,000,000 records (97.6th percentile of the Monte Carlo distribution). We recommend treating synthetic persona data as auxiliary material for small-scale survey design rather than as a substitute for survey data, and re-running both diagnosis and adjustment against official statistics current at the time of use.
• Abstract（参考訳）: LLMに基づく合成ペルソナデータの人口分布が外部参照分布とどの程度一致しているかを診断する。 検討した3つの変数について、観測された誤差の大部分は、ジェネレータよりも参照の選択に起因していることを示す。 総変動距離 (TVD) を用いて, ネモトロン・パーソナス・韓国 (NPK) のSex x age group x Province joint distribution of 1,000,000 Records of Nemotron-Personas-Korea (NPK) と韓国の公式統計との比較を行った。 2026年4月の住民登録統計では、3つの変数から形成されるすべてのサブグループのシェアにおける最大の差として定義されるバイアス境界は1.81ポイントである。 これは約2900人の回答者による調査の誤差のマージンに匹敵する。 この値はデータの固定プロパティではない。 2024年の国勢調査では、基準期間と生成基準とが一致し、韓国国民に限定され、0.56ポイントまで低下した。 2025年1月(2025年1月)から使用までの15ヶ月にわたって、住民登録人口構造自体がNPKの最小誤差の2倍以上の距離を移動している。 韓国の調査で使用される2つの重み付け方式であるレイキングとセルポストストラテフィケーションは、いずれも約0.2%の変動インフレ率で基準周期依存性の大部分を排除している。 生成基準に反し、残留する継手不一致は、1000,000レコード(モンテカルロ分布の97.6パーセント)を実現したとき、完璧発生器が生み出すものの上界にある。 調査データの代用としてではなく,小規模調査設計のための補助材料として合成ペルソナデータを扱うことを推奨し,使用時の公式統計データに対する診断と調整の両面を再度実施することを推奨する。

関連論文リスト

• From Foundation Embeddings to Cropland Maps: Label Efficiency, Temporal Transferability and Independent Human Validation [0.45998296599540095]
  地理空間基盤モデルは、下流マッピングをサポートする衛星画像の再利用可能な表現を提供する。 アメリカ合衆国メイン州において,AlphaEarthの年次埋没が二分栽培-無栽培マッピングをサポートするかを評価する。
  論文  参考訳（メタデータ） (2026-09-15T13:04:35Z)
• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Can Large Language Models Represent Urban Publics? Behavioral Replication and Population Mismatch in an Affordable-Housing Experiment [1.7984459258809926]
  大規模言語モデルでは,集団構造の維持に失敗しながら,1つの集合コントラストを近似することができることを示す。 都市計画におけるモデル評価は、この空間構造と社会構造が、平均的な効果だけでなくシミュレーションを生き残るかどうかを検証すべきである。
  論文  参考訳（メタデータ） (2026-07-29T16:27:36Z)
• SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction [0.0]
  本稿では,デコーダのみの変換器SAGAを提案する。 1990年から2022年にかけて,2,143,817人,61,284,903人からなる長手スウェーデン LISA レジスターをトレーニングした。 SAGAは10年の地平線で31.9%、20年の地平線で37.7%の絶対誤差を減少させる。
  論文  参考訳（メタデータ） (2026-05-18T18:35:20Z)
• Unmasking Algorithmic Bias in Predictive Policing: A GAN-Based Simulation Framework with Multi-City Temporal Analysis [0.0]
  我々は、犯罪発生から警察との接触まで、人種的偏見が完全な執行パイプラインを通してどのように伝播しているかを示す。 ボルチモアでは、2019年には平均15714人まで、シカゴDIRでは黒人が0.22人の割合で検出されている。 さらに,条件付きタブラルガンCTGANデバイアス法は,検出率の一部を部分的に再分割するが,政策介入を伴わずとも構造的格差を排除できないことを示す。
  論文  参考訳（メタデータ） (2026-03-19T14:55:32Z)
• Denoising the US Census: Succinct Block Hierarchical Regression [48.50026671993762]
  我々は、より正確で一貫した見積もりを生成する新しい後処理手法であるBlueDownを紹介する。 アメリカ合衆国国勢調査局が提案する評価指標に基づいて,郡域の集計値とトラクションレベルの精度を特に高めに改善した。
  論文  参考訳（メタデータ） (2026-03-10T17:39:25Z)
• Evidence-based Distributional Alignment for Large Language Models [58.65469623911573]
  LLM分布推定の忠実度とロバスト性を改善する証拠に基づくアライメント手法であるEvi-DAを提案する。 対象国が与えられた場合、Evi-DAは関連するWorld Values Survey項目とその回答分布を検索し、オプション毎に粗いヴェルツェル値シグネチャを予測し、国条件の回答分布を構造化形式で推測する。
  論文  参考訳（メタデータ） (2026-03-03T03:34:06Z)
• A Deep Generative Framework for Joint Households and Individuals Population Synthesis [0.562479170374811]
  世帯・個人・個人・個人関係を持つ合成集団を創出するための深い生成枠組みを提案する。 米国デラウェア州での申請の結果は、生成された家庭内レコードのリアリズムを確実にする能力を示している。
  論文  参考訳（メタデータ） (2024-06-30T23:01:58Z)
• Exploring a new machine learning based probabilistic model for high-resolution indoor radon mapping, using the German indoor radon survey data [0.0]
  ラドンは発癌性の放射性ガスであり、屋内で蓄積することができる。 全国規模のラドン濃度は通常、広範囲な測定キャンペーンに基づいて推定される。 室内ラドン分布をよりリアルに推定できるモデルに基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-10-17T10:51:05Z)
• Beyond Normal: On the Evaluation of Mutual Information Estimators [52.85079110699378]
  そこで本研究では,既知の地道的相互情報を用いて,多種多様な分布群を構築する方法について述べる。 本稿では,問題の難易度に適応した適切な推定器の選択方法について,実践者のためのガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-06-19T17:26:34Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• The Gap on GAP: Tackling the Problem of Differing Data Distributions in Bias-Measuring Datasets [58.53269361115974]
  バイアスモデルを検出する診断データセットは、自然言語処理におけるバイアス低減の重要な前提条件である。 収集されたデータの望ましくないパターンは、そのようなテストを誤ったものにします。 実験データにおけるそのようなパターンに対処するために, 実験サンプルを重み付けする理論的基礎的手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:13Z)
• Magnify Your Population: Statistical Downscaling to Augment the Spatial Resolution of Socioeconomic Census Data [48.7576911714538]
  重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。 選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。 本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
  論文  参考訳（メタデータ） (2020-06-23T16:52:18Z)

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。