LLM 기반 사회적 시뮬레이션에서 페르소나를 만들 때 어떤 속성을 포함할지에 대한 원칙적 기준이 없는 「콜드스타트 문제」를 해결하기 위해, 11,000건 이상의 실증 인간 연구를 주석화한 MetaPersona-DB와 이를 활용하는 MetaPersona 프레임워크를 제안했다. 과제 관련 증거를 검색하고 문헌에서 도출한 페르소나 의존 그래프를 구성해, 인구통계·잠재 속성·결과를 연결하는 실증적 사전분포에서 합성 인구를 샘플링한다. 세 가지 하류 사례 연구 평가에서 허위정보 신념과 AI 도구 정서 예측은 강한 성능을 보였지만 소득 재분배 과제는 결과가 엇갈렸다. GPT-5.2 사용 시 페르소나 구축 비용을 과제당 0.5달러 이하로 줄일 수 있었으며, 실증 기반 페르소나 생성을 위한 대화형 프로토타입 인터페이스도 함께 제시됐다.
- •11,000건 이상의 실증 인간 연구를 주석화한 MetaPersona-DB를 기반으로 과제별 페르소나 의존 그래프를 구성
- •허위정보 신념·AI 도구 정서 예측에서는 강한 성능, 소득 재분배 과제에서는 결과가 엇갈림
- •GPT-5.2 사용 시 페르소나 구축 비용을 과제당 0.5달러 이하로 절감
- •실증 기반 페르소나 생성을 위한 대화형 프로토타입 인터페이스 MetaPersona-Studio 함께 제시
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
MetaPersona: Task-Grounded Synthetic Populations from Empirical Social Science
- 1.MetaPersona, 11,000여건 실증 인간연구 데이터로 LLM 페르소나 콜드스타트 문제 해결
- 2.문헌 기반 페르소나 의존 그래프를 구축, 실증 사전확률에서 합성 인구집단 샘플링
- 3.오정보 신뢰·AI 도구 감성 과제서 강한 성능, 소득재분배 과제는 결과 혼재
- 4.GPT-5.2 활용 시 페르소나 생성 비용 과제당 0.5달러 미만으로 절감
왜 중요한가?
기존 페르소나 설계가 임의적 속성 선택에 의존해 인구통계·잠재속성 왜곡을 낳았던 문제를 실증 데이터 기반 사전확률로 보정한다는 점에서 LLM 사회 시뮬레이션의 신뢰도를 높인다.
본문 미리보기
arXiv:2609.38392v1 Announce Type: new Abstract: Personas used to seed LLM social simulations face a cold-start problem: existing methods lack a principled basis for deciding which attributes to include and how to assign their values. As a result, synthetic populations may misrepresent the demographic composition, latent attributes, and dependency structure that shape downstream behavior. We introduce MetaPersona-DB, a dataset of 11,000+ empirical human-subjects studies annotated with task-relev
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:40AI 초안
