单特征行为画像预测人类结果分布优于通用人设
资讯摘要
论文提出一套框架：从文献中提取候选行为特征，用早期人类实验数据构建行为画像，由画像生成LLM根据观察到的行为、消息和问卷赋值，再由另一个LLM依据画像模拟行为，并通过前向特征选择在模拟与观察结果对比中筛选画像内容。作者报告，在616场公共品博弈、144场多方议价博弈和1480个广义11-20要钱设计上，单特征画像对结果分布的预测优于无画像或通用人设；增加特征无明显增益，跨博弈族迁移效果不稳定。
要点速读
- 框架用画像生成LLM赋值、另一LLM模拟，并以模拟与观察结果对比做前向特征选择
- 作者报告单特征画像在616场公共品博弈、144场多方议价博弈和1480个11-20要钱设计上预测优于无画像或通用人设
- 更多特征无明确额外收益，跨博弈族迁移的增益不均，甚至可能不如无画像模拟
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 2026/11/4 08:00:28（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。