Persona-driven Simulation of Voting Behavior in the European Parliament with Large Language Models
该研究利用大语言模型结合零样本角色提示，成功模拟了欧洲议会议员的投票行为并预测各政治团体的立场，实现了约 0.793 的加权 F1 分数。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇文章就像是在做一场**“数字政治角色扮演游戏”**。
想象一下，你手里有一个超级聪明的**“数字大脑”（也就是现在很火的大语言模型，比如 Llama 或 Qwen）。这个大脑读过世界上几乎所有的书、新闻和文章，所以它很博学，但它也有自己的“性格”——研究发现，这些大脑默认有点“左倾”**（更偏向进步、环保、社会福利等观点），就像是一个天生喜欢当“好人”的优等生。
现在，研究人员想问：如果我们给这个“优等生”穿上一件特定的“马甲”（Persona），告诉它：“你现在不是优等生了，你是德国某政党的议员，或者你是法国某个保守派议员”，它能真的像那个人一样投票吗？
为了测试这一点，他们把**欧洲议会（EU Parliament）**当成了游乐场。
1. 游戏是怎么玩的？（实验方法）
研究人员找来了 2024 年欧洲议会的 710 位议员（MEPs）的资料。
- 给“马甲”： 他们给大模型输入议员的详细信息，比如：姓名、性别、年龄、出生地、所属的国家政党（比如德国的基民盟）、所属的欧洲党派联盟（比如欧洲人民党）。
- 给“考题”： 他们把议会正在讨论的法案（比如“如何治理空气污染”或“人工智能法案”）以及议员们在辩论会上说的话（演讲）喂给模型。
- 做“选择题”： 模型需要根据这些信息和它穿上的“马甲”，决定投赞成（FOR）、反对（AGAINST）还是弃权（ABSTENTION）。
2. 游戏结果如何？（主要发现）
这场“数字扮演”玩得相当不错，但也有一些有趣的“翻车”现场：
- 总体表现很棒： 模型预测议员投票的准确率达到了 79.3%（用了一个叫 F1 分数的指标）。这意味着，如果你让模型扮演一个议员，它猜对投票结果的概率很高。
- “国家政党”是王牌： 研究发现，告诉模型议员属于哪个国家政党（比如“他是法国社会党人”），比告诉它年龄、出生地甚至性别都要管用得多。这就像是在说：“只要知道他是哪个队的，就知道他会怎么踢球。”这验证了政治学的一个老观点：议员首先听自己国家政党的。
- 大模型也有“偏心眼”：
- 中间派好骗，极端派难搞： 模型能很好地模仿中间派或温和派（比如社会党、自由党）的投票。但是，如果要它模仿那些政治立场非常极端的议员（比如极右翼或极左翼），它就容易“露馅”。
- 为什么？ 因为模型本身的“默认性格”是左倾的。让它扮演一个极右翼议员时，它很难完全摆脱自己骨子里的“左派”思维，就像让一个素食主义者去扮演一个狂热的肉食主义者，他可能还是会忍不住在台词里加一点“素食好”的潜台词。
- “弃权”是个大难题： 模型非常擅长猜“赞成”和“反对”，但几乎猜不准“弃权”。
- 比喻： 就像让一个 AI 去猜一个人为什么“不想做决定”。AI 觉得“不投票”通常是因为生病或忘了，但在现实政治中，弃权往往是一种高深的政治策略（比如：我想反对，但为了团结党派不能明说，所以我弃权）。这种微妙的“人类心机”，AI 目前还学不会。
3. 有趣的“反事实”实验
研究人员还玩了一个更高级的把戏：“如果辩论内容反过来会怎样？”
他们让模型生成一些**“假辩论”**。比如，原本支持法案的演讲，让模型改写成一通反对的演讲，然后让扮演议员的模型看这些假演讲，再投票。
- 结果： 那些政治立场与模型默认性格相反的议员（比如极右翼），看到假演讲后，投票行为改变得很厉害。
- 结论： 这说明，当模型被迫扮演一个它“不喜欢”的角色时，它很容易被新的论据带偏。它没能守住那个角色的“人设”。
4. 这有什么用？（意义与局限）
- 有什么用？ 这就像给政治学家提供了一个**“模拟沙盒”**。我们可以用这个工具来预测：如果某个政策变了，欧洲议会大概会怎么反应？或者，我们可以测试不同背景的人会对政治议题有什么看法。
- 有什么风险？ 作者也提醒，这不能用来真的替人做决定。
- 伦理问题： 如果坏人利用这个技术，生成某个真实议员“支持”某个他其实反对的虚假言论，可能会误导公众。
- 数据偏差： 模型是基于过去的互联网数据训练的，如果某些小语种国家的议员资料很少，模型可能就不太了解他们。
总结
这篇论文就像是在说：现在的 AI 已经能像个优秀的“演员”一样，穿上议员的“戏服”，在大多数情况下模仿他们的投票行为了。
但是，AI 毕竟不是真人。它很难理解人类政治中那些**“为了大局而弃权”的微妙策略，也很难完美地扮演那些与它自身性格截然相反**的极端角色。不过，这已经足够让我们对未来的政治模拟充满期待，同时也提醒我们要小心使用这种强大的“数字替身”技术。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。