📢 转载信息
原文链接：http://bair.berkeley.edu/blog/2024/11/12/virutal-persona-llm/
原文作者：BAIR Blog
我们介绍 Anthology，一种通过生成和利用包含丰富个体价值观和经验细节的自然叙事背景故事，来指导大型语言模型（LLMs）形成代表性、一致和多样化虚拟角色的方法。
大型语言模型（LLMs）在由数百万乃至数十亿独特人类作者集体产生的海量文本语料上进行训练，这意味着什么呢？
在 《语言模型作为智能体模型》（Language Models as Agent Models）中，有令人信服的证据表明，近期的大型语言模型可以被视为智能体的模型：当提供文本上下文时，LLMs 能够生成符合最有可能产生该上下文的智能体特征的条件文本。这表明，通过适当的条件设置，LLMs 可以被引导以近似特定人类的声音，而不是通常浮现的声音的混合体。如果能实现这一点，LLMs 的这种能力将对用户研究和社会科学产生重大影响——作为人类受试者虚拟角色的条件化语言模型可以作为成本效益高的先导研究，并支持人类研究中的最佳实践，例如贝尔蒙特原则中的公正性和有益性。
在这项工作中，我们介绍了 Anthology，这是一种通过提供个体丰富详细的生活叙事作为模型条件上下文，来引导 LLMs 生成代表性、一致和多样化虚拟角色的方法。在此过程中，我们还提出了从 LLMs 本身生成背景故事的方法，以此作为有效生成涵盖广泛人口统计学特征的大规模数据集的手段。
通过将语言模型建立在自然主义的背景故事之上，Anthology 能够以更高的保真度模拟个体人类样本，其保真度通过匹配人类响应的分布和一致性来衡量。
我们的方法：Anthology
使用个体生活叙事条件化语言模型生成
早期方法在将 LLMs 引导至虚拟角色方面存在一个明显的局限性，即无法可靠地近似个体人类样本。先前的方法通常使用广泛的人口统计信息来提示 LLMs，例如：“我是一个来自加州的 25 岁居民。我的最高教育水平低于高中”，这本质上是根据一组人口统计变量生成的文本体。使用这些方法，我们只能在总体水平上近似人类样本，而无法达到个体水平，这导致了：
- 由于只基于人口统计变量（例如种族和性别）进行条件设置，响应容易导致 LLMs 默认采用刻板印象和/或原型化的描绘
- 由于此类计算需要个体响应，因此无法提供协方差和统计显著性等重要关注指标
Anthology 通过使用丰富详细的背景故事进行条件设置，实现了对个体受试者的近似。通过这些背景故事，模型捕获了个人身份的隐性与显性标记，包括人口统计特征以及对文化、社会经济背景和生活哲学的自发提及。我们的方法涉及通过使用不受限制的、开放式提示（例如，“告诉我关于你自己”）查询语言模型，生成代表广泛人口统计属性的大量背景故事。然后，我们将由每个背景故事条件化的虚拟角色与真实世界的调查样本进行匹配。
结果：更接近公众意见调查的近似值
为了进行评估，我们在近似三个皮尤研究中心 ATP 调查（第 34、第 92 和第 99 波）的背景下，比较了不同方法在条件化虚拟角色方面的有效性。
在近似皮尤研究中心 ATP 调查的人类响应方面的结果。粗体和带下划线的结果分别表示最接近和第二接近人类值的数值。
作为使用虚拟角色近似人类样本的成功度量标准，我们考虑以下指标：
- 响应分布之间的平均 Wasserstein 距离（WD），作为代表性的度量
- 相关矩阵之间的 Frobenius 范数（Fro.），作为一致性的度量
- Cronbach’s alpha，作为内部一致性的附加度量
在分析虚拟受试者之前，我们通过反复将人群随机划分为两个相等大小的组，并计算子组之间的这些指标，来估计每个评估指标的下限。我们取 100 次迭代的平均值作为下限估计值。
我们一致观察到，对于 Llama-3-70B 和 Mixtral-8x22B，Anthology 在所有指标上均优于其他条件化方法。在比较两种匹配方法时，贪婪匹配方法在所有波次上平均 Wasserstein 距离方面倾向于表现出更好的性能。我们将匹配方法的差异归因于最大权重匹配的一对一对应条件以及可用虚拟用户数量的限制。具体来说，分配给最大权重匹配中匹配的虚拟受试者的权重不可避免地低于贪婪匹配中的权重，因为后者放宽了一对一对应关系的约束。这种差异可能导致与贪婪匹配的对应项相比，匹配的人类用户和虚拟用户之间的人口统计学相似性较低。这些结果表明，我们方法中生成的背景故事的丰富性，比基线方法更能引发细致入微的响应。
最后的思考
Anthology 标志着在 LLMs 中条件化虚拟角色的一个有前景的新方向，它有可能通过提供比传统人类调查更具可扩展性、有时甚至是更符合伦理的选择，来重塑我们进行用户研究、民意调查和其他社会科学应用的方式。
然而，与语言模型在社会科学中的任何其他应用一样，Anthology 的使用也带来了若干需要关注的问题：尽管生成的背景故事有助于创建更具代表性的角色，但仍然存在固化偏见或侵犯隐私的风险，因此应谨慎使用和解释结果。
在未来步骤方面，我们设想我们的方法可以从更广泛、更多样化的背景故事集中受益，每个背景故事都代表个体一致的生活叙事。
此外，这项工作的一个有价值的扩展是考虑自由形式的响应生成，以实现超越多项选择等结构化调查格式的更自然和细致的角色模拟。
最后，将 LLMs 应用于行为研究的一个令人兴奋的新维度是模拟长期影响，允许虚拟角色对随时间的变化进行建模和回顾性检查。
所有这些方向都带来了许多技术挑战；如果您有兴趣合作或希望进一步讨论我们的工作，请告诉我们！
了解更多关于我们的工作：完整论文链接
@article{moon2024virtual, title={Virtual personas for language models via an anthology of backstories}, author={Moon, Suhong and Abdulhai, Marwa and Kang, Minwoo and Suh, Joseph and Soedarmadji, Widyadewi and Behar, Eran Kohen and Chan, David M}, journal={arXiv preprint arXiv:2407.06576}, year={2024}
}
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区