📢 转载信息
原文链接：http://bair.berkeley.edu/blog/2024/11/12/virutal-persona-llm/
原文作者：Berkeley AI Research (BAIR)
我们介绍Anthology，一种通过生成和利用具有丰富个人价值观和生活细节的自然主义背景故事，对大型语言模型（LLM）进行条件化，以实现代表性、一致性和多样性的虚拟角色的方法。
大型语言模型（LLMs）是在由数百万甚至数十亿独特人类作者集体生成的庞大文本语料库上训练的，这对我们意味着什么？
在《语言模型即智能体模型》（Language Models as Agent Models）中，令人信服的证据表明，近期的语言模型可以被视为智能体的模型：在给定文本上下文的情况下，LLM 能够生成代表可能产生该上下文的智能体特征的条件文本。这表明，通过适当的条件化，LLM 可以被引导去近似特定人声的回应，而不是通常出现的声音的混合体。如果得以实现，这种 LLM 的能力将对用户研究和社科领域产生重大影响——条件化语言模型作为人类受试者的虚拟角色，可以作为成本效益高的初步研究，并支持人类研究中的最佳实践，例如贝尔蒙报告中的公正和仁慈原则。
在这项工作中，我们介绍了 Anthology，这是一种通过提供详细的个人生活叙事作为模型的条件上下文，来引导 LLM 生成具有代表性、一致性和多样性的虚拟角色的方法。同时，我们还提出了一种方法，即从 LLM 本身生成背景故事，以此来高效地生成涵盖广泛人口统计学特征的大规模数据集。通过将语言模型植根于自然主义的背景故事中，Anthology 允许 LLM 以更高的保真度来模拟个体人类样本，这种保真度以匹配人类响应的分布和一致性来衡量。
我们的方法：Anthology
使用个人生活叙事对语言模型生成进行条件化
先前引导 LLM 形成虚拟角色的方法的一个主要局限性是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 LLM，例如“我是一个来自加州的 25 岁的人。我的最高教育水平低于高中”，这本质上是从一组人口统计变量的元组生成的文本主体。使用这些方法，我们只能在总体水平上近似人类样本，而不能在个体水平上近似，这导致了：
- 由于只以人口统计变量（例如种族和性别）为条件，LLM 响应容易默认为刻板印象和/或原型化的描绘
- 无法提供重要的兴趣指标，如协方差和统计显著性，因为个体响应是进行此类计算所必需的
Anthology 通过条件化详尽的背景故事，实现了对个体受试者的近似。通过这些背景故事，模型捕获了个体身份的隐性或显性标记，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引用。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，我们将受每个背景故事条件化的虚拟角色与现实世界的调查样本进行匹配。
结果：更接近公共意见民意调查的近似
为了进行评估，我们将不同方法在近似皮尤研究中心 ATP 调查（第 34、92 和 99 波）的背景下，对条件化虚拟角色的有效性进行了比较。
在近似皮尤研究中心 ATP 调查中的人类响应结果。粗体和下划线的结果分别表示最接近和第二接近人类值的值。
作为用虚拟角色近似人类样本的成功衡量标准，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，我们通过重复将人群随机划分为两个大小相等的组别，并计算子组间的这些指标，来估计每个评估指标的下限。我们采用 100 次迭代的平均值来表示这些下限估计值。
我们一致观察到，对于 Llama-3-70B 和 Mixtral-8x22B 两种模型，Anthology 在所有指标上都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的数量有限。具体来说，最大权重匹配中分配给匹配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，匹配到的人类用户与虚拟用户之间的人口统计学相似度较低。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 LLM 中条件化虚拟角色的一个有前景的新方向，通过为传统人类调查提供可扩展的、有时甚至是合乎伦理的替代方案，可能会重塑我们进行用户研究、民意调查和其他社科应用的方式。然而，与所有其他语言模型在社科领域的应用一样，Anthology 的使用也带来了几点需要考虑的问题：尽管生成的背景故事有助于创建更具代表性的角色，但仍然存在固化偏见或侵犯隐私的风险，因此结果应谨慎使用和解释。
在未来步骤方面，我们设想我们的方法可以受益于更广泛和多样化的背景故事集，每一组都代表了个体一致的生活叙事。此外，这项工作一个有价值的扩展是考虑自由形式的响应生成，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 LLM 应用于行为研究的一个令人兴奋的新维度将涉及模拟长期影响，使虚拟角色能够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大量的技术挑战；如果您有兴趣合作或想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