公衆世論シミュレーションにおけるパラメトリック・ソーシャル・アイデンティティ注入と多様化

要旨:
大規模言語モデル（LLMs）は最近、世論シミュレーションの合成エージェントとして採用されており、費用が高く時間のかかる人間調査に代わる有望な選択肢を提供しています。
そのスケーラビリティにもかかわらず、現在のLLMベースのシミュレーション手法は社会的多様性を捉えきれず、集団間の差異を平坦化し、人口統計グループ内の回答を過度に均質化する。
この制限を、LLMの隠れ表現における多様性崩壊現象として特定します。異なる社会的アイデンティティが層をまたいでますます見分けがつかなくなることです。
この観察に動機づけられ、私たちは Parametric Social Identity Injection (PSII) を提案します。これは、人口統計属性と価値志向の明示的でパラメトリックな表現を、LLMs の中間の隠れ状態に直接注入する一般的なフレームワークです。プロンプトベースのペルソナ条件付けとは異なり、PSII は表現レベルでの細かなかつ制御可能なアイデンティティの調整を可能にします。
複数のオープンソースLLMを用いたWorld Values Surveyでの広範な実験は、PSII が分布忠実度と多様性を有意に改善し、現実の調査データへのKL発散を低減しつつ、全体的な多様性を高めることを示しています。コードとデータは https://github.com/halsayxi/PSII で入手できます。