P2P 用小型代理集成在推理时重建人群调查偏好
资讯摘要
论文提出 Prompts to Proxies（P2P），一种两阶段推理时系统，用于从有限公开调查数据重建目标人群的聚合调查回答，无需个体人口统计画像或模型微调。第一阶段用结构化属性提示与熵引导自适应采样构建覆盖潜在偏好空间的代理池，第二阶段用 L1 正则回归选出紧凑加权集成以匹配观测回答。作者报告在 14 轮美国趋势面板上平均测试 MSE 为 0.014、每份调查约 0.8 美元，优于提示与人口条件基线；世界价值观调查跨地区迁移中基座表达力平均可胜过地区匹配，对文化差异大的问题地区特定生成更有帮助；对 SFT 对齐调查模型的压力测试显示用不到 3% 训练数据取得有竞争力表现。代码已公开。
要点速读
- P2P 为两阶段推理时系统：先构建多样代理池，再用 L1 正则回归选出紧凑加权集成匹配目标人群回答。
- 作者报告 14 轮美国趋势面板平均测试 MSE 0.014，每份调查约 0.8 美元，优于提示和人口条件基线。
- 世界价值观调查跨地区迁移显示基座表达力平均可胜过地区匹配；对 SFT 对齐调查模型的压力测试用不到 3% 训练数据。
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 2026/10/31 08:00:18（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。