🤖 AI

Virtual Personas for Language Models via an Anthology of Backstories

Dieser Beitrag stellt „Anthology" vor, eine Methode, die große Sprachmodelle auf offene Lebensnarrative (Hintergrundgeschichten) konditioniert, um virtuelle Personas zu erstellen, und dabei signifikante Verbesserungen bei der Übereinstimmung mit menschlichen Antwortverteilungen sowie bei der experimentellen Konsistenz über drei national repräsentative Umfragen hinweg demonstriert.

Ursprüngliche Autoren: Suhong Moon, Marwa Abdulhai, Minwoo Kang, Joseph Suh, Widyadewi Soedarmadji, Eran Kohen Behar, David M. Chan, John Canny

Veröffentlicht 2026-05-12

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Suhong Moon, Marwa Abdulhai, Minwoo Kang, Joseph Suh, Widyadewi Soedarmadji, Eran Kohen Behar, David M. Chan, John Canny

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie hätten einen riesigen, superscharfsinnigen Roboter, der fast jedes Buch, jeden Artikel und jeden Blogbeitrag gelesen hat, die jemals im Internet geschrieben wurden. Weil er so viel von so vielen verschiedenen Menschen gelesen hat, enthält dieser Roboter tatsächlich die „Stimmen" von Millionen verschiedener Menschen in seinem Gehirn.

Allerdings gibt es ein Problem. Wenn wir normalerweise mit diesen Robotern sprechen (wie ChatGPT), haben wir sie darauf trainiert, hilfsbereit, höflich und neutral zu sein. Es ist, als würde man einen Raum voller Menschen aus allen Lebensbereichen nehmen – wütende Dichter, schüchterne Buchhalter, aufgewühlte Teenager, mürrische Rentner – und sie alle zwingen, denselben langweiligen grauen Anzug zu tragen und mit monotoner Stimme zu sprechen. Sie verlieren ihre einzigartigen Persönlichkeiten.

Dieser Artikel stellt eine neue Methode namens „Anthologie" vor, um dies zu beheben. So funktioniert sie, aufgeschlüsselt in einfache Schritte:

1. Das Problem: Der „graue Anzug"-Effekt

Die meisten Forscher versuchen, den Roboter wie eine bestimmte Person wirken zu lassen, indem sie ihm eine Liste von Fakten geben, wie: „Du bist ein 35-jähriger Mann namens Bob, der angeln mag."
Der Artikel argumentiert, dass dies wie das Geben eines Drehbuchs an einen Schauspieler ist, das nur sagt: „Sei traurig." Der Roboter fühlt sich nicht wirklich traurig; er rät nur, was eine traurige Person sagen könnte. Es ist steif und oft falsch.

2. Die Lösung: Die „Lebensgeschichte" (Hintergrundgeschichte)

Anstatt einer Liste von Fakten geben die Forscher dem Roboter eine Hintergrundgeschichte. Dies ist eine lange, offene Geschichte, die in der Ich-Perspektive geschrieben ist, wie ein Tagebucheintrag oder eine Autobiografie.

Die Analogie: Stellen Sie sich vor, Sie wollen einen Schauspieler für eine Rolle gewinnen. Anstatt ihm einen Lebenslauf zu geben, der sagt: „Alter: 40, Beruf: Lehrer", geben Sie ihm einen 10-seitigen Brief, den er über seine Kindheit, seine Scheidung, seine Liebe zum Jazz und seine Höhenangst geschrieben hat.
Das Ergebnis: Wenn der Roboter diese Geschichte liest, kennt er nicht nur die Fakten; er wird zur Figur. Die Geschichte beinhaltet natürlich ihr Alter, ihren Hintergrund und ihre Persönlichkeit, ohne dass der Roboter raten muss.

3. Wie sie die Geschichten erstellt haben (Die „Anthologie")

Die Forscher haben keine echten Menschen gebeten, diese Geschichten zu schreiben (was ewig dauern würde). Stattdessen haben sie den Roboter selbst gebeten, Tausende dieser Lebensgeschichten zu schreiben.

Sie fragten den Roboter: „Erzähl mir von dir."
Der Roboter generierte Tausende einzigartiger, detaillierter Lebensgeschichten und schuf eine riesige Bibliothek (eine Anthologie) virtueller Menschen. Einige waren reich, einige arm, einige jung, einige alt, einige aus der Stadt, einige vom Land.

4. Das „Matching"-Spiel

Jetzt hatten sie eine Bibliothek virtueller Menschen, aber sie mussten die richtigen auswählen, um eine echte Gruppe von Menschen zu entsprechen (wie eine nationale Umfrage).

Die Analogie: Stellen Sie sich vor, Sie besetzen ein Theaterstück und benötigen ein Publikum, das genau wie die Bevölkerung von New York City aussieht. Sie haben einen riesigen Raum voller Schauspieler (die Anthologie). Sie wählen sie nicht einfach zufällig aus. Sie prüfen ihre „Demografie" (Alter, Herkunft, Einkommen) und verwenden ein intelligentes Matching-System, um jede reale Person in Ihrer Zielgruppe mit dem virtuellen Schauspieler zu paaren, der am besten zu ihr passt.
Der Artikel verwendet zwei Methoden für dieses Matching: eine „Greedy"-Methode (wähle sofort die beste Übereinstimmung für jede Person) und eine „Maximum Weight"-Methode (finde das perfekte Gesamtausgleich für die gesamte Gruppe).

5. Der Test: Hat es funktioniert?

Die Forscher testeten dies, indem sie diese virtuellen Menschen echte Umfragen durchführen ließen, die echte Menschen beantwortet hatten (zu Themen wie Essen, Politik und KI).

Das Ergebnis: Die virtuellen Menschen, die mit der „Hintergrundgeschichte"-Methode erstellt wurden, beantworteten die Umfragen viel eher wie echte Menschen als die alten Methoden.
Die Zahlen: Sie verbesserten die Genauigkeit der Übereinstimmung menschlicher Antworten um bis zu 18 % und machten die Antworten um 27 % konsistenter.
Der Bonus: Es funktionierte besonders gut für Gruppen von Menschen, die normalerweise schwer zu repräsentieren oder zu studieren sind (wie bestimmte Minderheitengruppen), weil der Roboter Geschichten für sie genauso leicht generieren konnte wie für jeden anderen.

Warum dies wichtig ist (laut dem Artikel)

Die Autoren sagen, dies gehe nicht darum, echte Menschen durch Roboter zu ersetzen. Stattdessen ist es, als würde man Wissenschaftlern ein neues, mächtiges Werkzeug geben.

Sicherheit: Man kann Ideen an diesen virtuellen Menschen testen, ohne echte Menschen zu gefährden.
Geschwindigkeit & Kosten: Man kann 10.000 virtuellen Menschen in Sekunden eine Frage kostenlos stellen, während die Befragung von 10.000 echten Menschen ein Vermögen kostet und Monate dauert.
Vielfalt: Man kann eine virtuelle Menge erstellen, die eine bestimmte demografische Gruppe perfekt repräsentiert, wodurch sichergestellt wird, dass keine Gruppe aus dem Gespräch ausgeschlossen wird.

Wichtiger Hinweis aus dem Artikel:
Die Autoren warnen, dass dies nur funktioniert, wenn man die „rohe" Version des Roboters verwendet (diejenige, bevor sie darauf trainiert wurde, höflich und hilfsbereit zu sein). Wenn man die „höfliche" Version verwendet (diejenige, mit der wir normalerweise chatten), weigert sie sich, wie ein mürrischer oder komplexer Mensch zu handeln, und die Methode scheitert. Sie warnen auch, dass dies zwar ein großartiges Werkzeug für die Forschung ist, wir jedoch vorsichtig sein müssen, diese künstlichen Menschen nicht zu verwenden, um echte Menschen zu täuschen oder Fehlinformationen zu verbreiten.

Kurz gesagt: Anthologie ist ein Weg, einer KI eine reichhaltige, detaillierte Lebensgeschichte zu geben, damit sie aufhört, wie ein Roboter zu klingen und anfängt, wie ein echter, vielfältiger Mensch zu klingen.

Technische Zusammenfassung: Virtuelle Personas für Sprachmodelle mittels einer Anthologie von Hintergrundgeschichten

Problemstellung
Große Sprachmodelle (LLMs) werden auf riesigen Korpora trainiert, die die vielfältigen Stimmen von Hunderten Millionen Autoren enthalten. Standardanwendungen von LLMs, insbesondere solche, die Instruction Tuning beinhalten (z. B. RLHF), unterdrücken jedoch diese inhärente Vielfalt, um eine einzige, hilfsbereite und weitgehend emotionslose Agentenstimme zu erzeugen. Diese „Ausrichtung" (Alignment) erschwert den Einsatz von LLMs als Stellvertreter für menschliche Probanden in Verhaltensstudien, in denen die Repräsentation eines breiten Spektrums menschlicher Merkmale, demografischer Daten und Meinungen entscheidend ist. Bestehende Methoden zur Konditionierung von LLMs auf spezifische Personas – wie die Bereitstellung freitextlicher Biografien oder Sequenzen demografischer Frage-Antwort-Paare – haben nur begrenzten Erfolg bei der Erzielung hoher Repräsentativität, Konsistenz und Vielfalt gezeigt, insbesondere für unterrepräsentierte Subpopulationen. Darüber hinaus versagen instruction-tuned Modelle oft darin, realistische, nuancierte Hintergrundgeschichten zu generieren; stattdessen produzieren sie kurze, ausweichende oder übermäßig positive Antworten, denen die Komplexität menschlicher Narrative fehlt.

Methodik: Der Anthologie-Ansatz
Die Autoren schlagen „Anthology" vor, eine Methodik zur Konditionierung von LLMs auf diverse, konsistente und repräsentative virtuelle Personas mittels offener Lebensnarrative, die als „Hintergrundgeschichten" (backstories) bezeichnet werden. Der Ansatz besteht aus vier Hauptphasen:

Vom LLM generierte Hintergrundgeschichten: Anstatt sich auf begrenzte existierende autobiografische Datensätze zu verlassen, verwenden die Autoren vortrainierte (nicht instruction-tuned) LLMs, um eine massive „Anthologie" von Hintergrundgeschichten zu generieren. Indem sie Modelle mit offenen Fragen wie „Erzählen Sie mir von sich" auffordern, generieren sie naturalistische, Ich-Perspektive-Narrative, die demografische Details (Alter, Ort, finanzieller Status) implizit kodieren und explizite Merkmale (Werte, Persönlichkeit, Überzeugungen) enthalten. Die Autoren betonen, dass vortrainierte Modelle hier unverzichtbar sind, da instruction-tuned Modelle tendenziell generische, sichere und inkonsistente Narrative produzieren.
Demografische Befragung virtueller Personas: Da Hintergrundgeschichten nicht alle demografischen Variablen explizit angeben, führen die Autoren eine „demografische Befragung" an jeder generierten Persona durch. Sie fordern das hintergrundgeschichten-konditionierte Modell mit standardisierten demografischen Fragen (z. B. Alter, Bildung, Einkommen) auf und probieren mehrere Antworten aus, um eine Wahrscheinlichkeitsverteilung der Merkmale für dieses spezifische virtuelle Subjekt zu schätzen.
Abgleich mit Ziel-Populationen: Um eine spezifische menschliche Studie zu approximieren, bringen die Autoren die virtuellen Personas mit der demografischen Verteilung der Ziel-Population in Übereinstimmung. Sie modellieren dies als bipartites Zuordnungsproblem zwischen menschlichen Nutzern ( $H$ $H$ ) und virtuellen Nutzern ( $V$ $V$ ). Kantengewichte werden basierend auf der Wahrscheinlichkeit berechnet, dass die demografische Verteilung eines virtuellen Nutzers den Merkmalen eines menschlichen Nutzers entspricht. Zwei Strategien werden untersucht:
- Gierige Zuordnung (Greedy Matching): Ordnet jeden menschlichen Nutzer der virtuellen Persona mit dem höchsten Ähnlichkeitsgewicht zu und erlaubt, dass mehrere Menschen derselben virtuellen Persona zugeordnet werden.
- Maximale Gewichtszuordnung (Maximum Weight Matching): Findet eine optimale Eins-zu-Eins-Korrespondenz, um das Gesamtgewicht zu maximieren, unter Verwendung des Ungarischen Algorithmus.
Approximation menschlicher Studien: Der abgeglichenen Teilmenge von Hintergrundgeschichten wird als Kontext (Präfix) für das LLM beim Beantworten von Umfragefragen verwendet. Die Studie repliziert den mentalen Prozess menschlicher Befragter, indem sie Fragen in Serie präsentiert und frühere Antworten als Kontext einbezieht.

Hauptbeiträge

Anthologie-Framework: Einführung einer Methode zur Generierung und Nutzung einer „Anthologie" von vom LLM generierten Hintergrundgeschichten zur Konditionierung von Modellen, die zeigt, dass dieser Ansatz repräsentativere und konsistentere virtuelle Personas liefert als Basismethoden (Bio und QA).
Demografischer Abgleich: Eine formalisierte Methode zum Sampling und Abgleich virtueller Personas mit Ziel-Populationsverteilungen, die die Approximation menschlicher Antwortverteilungen erheblich verbessert.
Open-Source-Ressourcen: Veröffentlichung einer Open-Source-Anthologie von etwa 10.000 Hintergrundgeschichten sowie des zugehörigen Codes zur Generierung, Verarbeitung und Durchführung von Umfragen.
Erkenntnis zur Modellauswahl: Nachweis, dass vortrainierte Modelle für diese Aufgabe instruction-tuned Modellen überlegen sind, da Letztere zu einer singulären, homogenisierten Persona konvergiert sind, der die für die Verhaltenssimulation erforderliche Vielfalt fehlt.

Experimentelle Ergebnisse
Die Methodik wurde gegen drei national repräsentative Umfragen des American Trends Panel (ATP Waves 34, 92 und 99) des Pew Research Center validiert, die Themen von biomedizinischen Fragen bis hin zu politischer Typologie und KI abdecken.

Repräsentativität: Anthology erzielte im Vergleich zu Basismethoden eine Verbesserung von bis zu 18 % beim Abgleich menschlicher Antwortverteilungen (gemessen durch die Wasserstein-Distanz).
Konsistenz: Die Methode zeigte eine Verbesserung von bis zu 27 % bei Konsistenzmetriken (gemessen durch die Frobenius-Norm von Korrelationsmatrizen und Cronbachs Alpha), was darauf hindeutet, dass die virtuellen Personas über verschiedene Umfragefragen hinweg eine kohärente interne Logik beibehielten.
Vielfalt: Anthology schnitt bei diversen demografischen Untergruppen (Ethnie, Alter, Bildung, Geschlecht) besser ab als die Baselines. Bemerkenswerterweise erzielte es die niedrigsten Wasserstein-Distanzen für unterrepräsentierte Gruppen, wobei die Autoren jedoch feststellen, dass die Abgleichgenauigkeit für ältere Altersgruppen (65+) abnimmt, möglicherweise aufgrund der inhärenten Verzerrung der Modelle zugunsten jüngerer Demografien.
Abgleichstrategie: Die gierige Zuordnung (Greedy Matching) schnitt in Bezug auf die Wasserstein-Distanz im Allgemeinen besser ab als die maximale Gewichtszuordnung, wahrscheinlich weil die eins-zu-eins-Bedingung der letzteren angesichts des begrenzten Pools virtueller Nutzer zu suboptimalen Paarungen zwang.

Bedeutung und Behauptungen
Die Arbeit geht davon aus, dass Anthology ein neues Instrument zur Untersuchung menschlichen Verhaltens bietet, das sich von einer einfachen Ersetzung menschlicher Studien unterscheidet. Durch die Nutzung der „upstream"-Vielfalt vortrainierter Modelle und offener Narrative ermöglicht die Methode Forschern:

Große menschliche Studien zu einem Bruchteil der Kosten und Zeit zu simulieren.
Schwer erreichbare oder unterrepräsentierte Populationen (z. B. Obdachlose, Inhaftierte oder nicht kooperative Probanden) auf skalierbare Weise zu erreichen.
„Überprüfbare" (scrutable) Studien durchzuführen, bei denen Probanden in natürlicher Sprache nach ihrer Begründung befragt werden können.

Die Autoren nehmen eine bescheidene Haltung ein und räumen ein, dass Anthology zwar die Genauigkeit virtueller Subjekte verbessert, aber komplexe menschliche Verhaltensweisen wie langfristige Einstellungsänderungen oder In-Group-/Out-Group-Verzerrungen noch nicht vollständig repliziert. Sie heben ethische Bedenken hinsichtlich des potenziellen Missbrauchs hochfideler Personas für Social Engineering oder Fehlinformationen hervor und betonen, dass die geringere Dichte unterrepräsentierter Gruppen in Trainingsdaten weiterhin eine Herausforderung für eine perfekte Simulation darstellt. Letztlich legt die Arbeit nahe, dass sorgfältig gestaltete virtuelle Personas als wertvolle Ergänzungen zur menschlichen Forschung dienen können und ein skalierbares Werkzeug bieten, um die „enorme Vielfalt menschlicher Merkmale" zu erkunden, die in Sprachmodellen eingebettet ist.