资讯摘要
论文提出 PARADE，一种可组合的参数化人口属性注入框架，用可复用的 LoRA 模块表示每个人口属性值，并通过共享 Task LoRA 与属性级 Demographic LoRA 分离通用调查能力与人口相关取值偏移，再用组合校准减少参数干扰。作者报告在世界价值观调查与 SocioBench 上，基于三个骨干模型的实验显示该方法在保持预测性能的同时改善人口分布对齐，KL 散度较最强基线最多降低 52.8%。
要点速读
- PARADE 将每个人口属性值表示为可复用、可组合的 LoRA 模块。
- 框架用共享 Task LoRA 与属性级 Demographic LoRA 分离通用调查能力与人口相关取值偏移，并加入组合校准。
- 作者报告在世界价值观调查和 SocioBench 上，KL 散度较最强基线最多降低 52.8%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:32（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。