論文の概要: MetaPersona: Task-Grounded Synthetic Populations from Empirical Social Science

• arxiv url: http://arxiv.org/abs/2609.38392v1
• Date: Tue, 29 Sep 2026 18:50:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.615327
• Title: MetaPersona: Task-Grounded Synthetic Populations from Empirical Social Science
• Title（参考訳）: MetaPersona: 経験的社会科学のタスクを取り巻く合成人口
• Abstract要約: 既存のメソッドには、どの属性を含めるか、どのように値を割り当てるかを決定するための原則的な基盤がない。 本稿では,タスク関連変数を付加した11,000以上の経験的人間オブジェクトのデータセットであるMetaPersona-DBを紹介する。 MetaPersona-Studioは,経験的に接地されたペルソナ生成のためのインタラクティブインタフェースである。
• 参考スコア（独自算出の注目度）: 16.93854878630625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personas used to seed LLM social simulations face a cold-start problem: existing methods lack a principled basis for deciding which attributes to include and how to assign their values. As a result, synthetic populations may misrepresent the demographic composition, latent attributes, and dependency structure that shape downstream behavior. We introduce MetaPersona-DB, a dataset of 11,000+ empirical human-subjects studies annotated with task-relevant variables, reported relationships, and aggregate-level population statistics. Building on this resource, we propose MetaPersona, a framework that retrieves task-relevant evidence, constructs literature-derived persona dependency graphs, and samples synthetic populations from empirical priors linking demographics, latent attributes, and outcomes. Across three downstream case studies, three baselines, and three frontier models, results vary by task and model: MetaPersona performs strongly on misinformation belief and AI-tool sentiment, while results on income redistribution are mixed. It also reduces persona-construction cost to under $0.5 per task using GPT-5.2. Finally, we present MetaPersona-Studio, a prototype interactive interface for empirically grounded persona generation.
• Abstract（参考訳）: 既存のメソッドでは、どの属性を含めるべきか、どのように値を割り当てるかを決定するための原則的な基盤が欠如している。 その結果、合成個体群は、下流の挙動を形成する人口構成、潜伏特性、および依存構造を誤って表すことができる。 タスク関連変数,報告された関係,および集約レベルの人口統計に注釈を付けた,11,000以上の経験的人間オブジェクトのデータセットであるMetaPersona-DBを紹介した。 本稿では,タスク関連エビデンスを検索し,文献由来のペルソナ依存グラフを構築し,人口統計,潜在属性,成果をリンクする経験的先行から合成個体群を抽出するMetaPersonaを提案する。 3つの下流ケーススタディ、3つのベースライン、3つのフロンティアモデルにおいて、結果はタスクとモデルによって異なる。 また、GPT-5.2を使用して1タスクあたり0.5ドル未満のペルソナ建設コストを削減した。 最後にMetaPersona-Studioについて述べる。

関連論文リスト

• Synonymix: Unified Group Personas for Generative Simulations [0.40719854602160227]
  マルチライフストーリーのペルソナから"ユニグラフ"を構築するパイプラインであるSynonymixを提案する。 人口統計基準を超える行動信号の保存を実証可能なプライバシー保証で実証する。
  論文  参考訳（メタデータ） (2026-03-30T06:13:45Z)
• 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)
• PersonaX: Multimodal Datasets with LLM-Inferred Behavior Traits [30.425825274563536]
  モーダル性にまたがる公共特性の包括的分析を可能にするために,多モーダルデータセットのキュレートされたコレクションであるPersonaXを提案する。 PersonaXは,(1)CelebPersona,(2)AthlePersona,(1)CelebPersona,(4)AthlePersonaの4181名のスポーツ選手を対象とする。 各データセットには、3つのハイパフォーマンスな大規模言語モデルによって推定される行動特性評価と、顔画像と構造化された伝記特徴が含まれている。
  論文  参考訳（メタデータ） (2025-09-14T17:30:03Z)
• 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)
• Large Language Models as Virtual Survey Respondents: Evaluating Sociodemographic Response Generation [18.225151370273093]
  本稿では,Large Language Models (LLMs) を用いた仮想調査回答者のシミュレーションを行う。 部分属性シミュレーション(PAS)と完全属性シミュレーション(FAS)の2つの新しいシミュレーション設定を導入する。 LLM-S3 (Large Language Model-based Sociodemography Simulation Survey) は4つの社会学領域にまたがる11の現実世界の公開データセットにまたがる総合ベンチマークスイートである。
  論文  参考訳（メタデータ） (2025-09-08T04:59:00Z)
• 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)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)

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。