通过故事集为语言模型构建虚拟角色：Anthology 介绍

📢 转载信息

原文链接：http://bair.berkeley.edu/blog/2024/11/12/virutal-persona-llm/

原文作者：BAIR Berkeley

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库上进行训练，这对我们意味着什么呢？

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，最近的语言模型可以被视为智能体的模型：当给定文本上下文时，LLMs 能够生成代表了最有可能产生该上下文的智能体特征的条件文本。这表明，通过适当的调校，LLMs 可以被引导以近似特定人类的声音反应，而不是通常所呈现的声音的混合体。如果实现，这种能力对用户研究和社会科学具有重大意义——被调校的语言模型作为人类受试者的虚拟角色，可以作为具有成本效益的试点研究，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和行善原则。

在这项工作中，我们介绍了Anthology，这是一种通过提供个体详细的生活叙事作为调校上下文来引导 LLMs 形成具有代表性、一致性和多样性的虚拟角色的方法。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类人口统计学的大规模数据集的手段。
通过将语言模型植根于自然的生活背景故事中，Anthology 使得 LLMs 能够以更高的保真度来模拟个体人类样本，这种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

使用个体生活叙事调校语言模型生成

先前将 LLMs 引导至虚拟角色的方法有一个显著的局限性，即无法可靠地近似个体人类样本。先前的方法使用广泛的人口统计学信息来提示 LLMs，例如：“我是一个来自加州的 25 岁的人。我的最高教育水平是高中以下”，这些本质上是从一组人口统计变量元组生成的文本体。使用这些方法，我们只能在群体层面近似人类样本，而不能在个体层面近似，这导致了：

• 响应容易导致 LLMs 默认出现刻板印象和/或原型化描绘，因为它们仅根据人口统计变量（例如种族和性别）进行调校
• 无法提供重要的关注指标，如协方差和统计显著性，因为计算需要个体响应

Anthology 通过使用丰富详细的背景故事进行调校，使得能够近似个体受试者。通过这些背景故事，模型捕获了个体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、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调校的虚拟角色与现实世界的调查样本进行匹配。

结果：更接近地拟合公众意见民意调查

为了进行评估，我们将不同方法在调校虚拟角色方面应用于近似皮尤研究中心 ATP 的三项调查（第 34、92 和 99 波次）的有效性进行比较。

在近似皮尤研究中心 ATP 调查的人类响应结果。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指标，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，我们通过重复将人类总体随机划分为两个大小相等的组，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 次迭代的平均值来表示下限估计值。

我们一致观察到，对于 Llama-3-70B 和 Mixtral-8x22B 而言，Anthology 在所有指标上均优于其他调校方法。在比较两种匹配方法时，贪婪匹配方法在所有波次的平均 Wasserstein 距离方面倾向于表现更好。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的数量有限。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，因为后者放宽了一对一对应的约束。这种差异可能导致与贪婪匹配相比，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，我们方法中生成背景故事的丰富性比基线方法能引发更细微的响应。

最后的思考

Anthology 标志着 LLMs 中虚拟角色调校的一个有希望的新方向，它有可能通过提供传统人类调查的可扩展、有时甚至是合乎伦理的替代方案，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 的使用也凸显了一些需要考虑的问题：尽管生成的背景故事有助于创建更具代表性的角色，但仍然存在加剧偏见或侵犯隐私的风险，因此应对结果持谨慎态度并加以解释。

在未来步骤方面，我们设想我们的方法可以受益于更广泛、更多样化的背景故事集，每组背景故事都代表了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格式的响应生成，从而实现超越多项选择等结构化调查格式的更自然、更细致的角色模拟。最后，将 LLMs 应用于行为研究的下一个激动人心的维度将涉及模拟长期效应，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。