💬 NLP

Identity, Cooperation and Framing Effects within Groups of Real and Simulated Humans

本文表明，将具有丰富叙事身份的大型语言模型进行深度绑定并验证其一致性，能显著提升其在社会困境博弈中对人类行为的模拟能力，从而能够探索时间、框架和参与者群体等往往阻碍人类研究复现的关键情境因素。

原作者： Suhong Moon, Minwoo Kang, Joseph Suh, Mustafa Safdari, John Canny

发布于 2026-02-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Suhong Moon, Minwoo Kang, Joseph Suh, Mustafa Safdari, John Canny

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

想象一下，你正试图理解人们在复杂的社交情境中为何会表现出那样的行为，比如在决定如何与陌生人瓜分一笔钱时。几十年来，科学家们通过对成千上万个真实人类进行真实的实验，来试图解开这个谜题。但真实的实验既昂贵又缓慢，而且有时很难完全复现，因为微小的细节（比如研究进行的年份或指令的具体措辞）都会改变结果。

这篇论文提出了一个宏大的问题：我们能否使用人工智能（具体来说是大语言模型），让它们扮演“虚拟人类”，从而达到如此逼真的程度，以帮助我们理解这些社会行为？

以下是他们工作的拆解，使用了简单的类比：

1. 问题所在：“过于礼貌”的机器人

大多数人试图让 AI 表现得像人类，方法是给它一个简单的指令，比如：“你是一个喜欢低税收的共和党人。”作者称之为“转向”（steering）。

然而，作者认为标准的 AI 模型就像是过度礼貌的酒店礼宾部人员。它们被训练得要乐于助人、无害且随和。如果你要求它们表现得像一个有缺陷、有偏见或有强烈政治积怨的真实人类，它们往往会失败。它们会抹平人类天性中的那些粗糙棱角。

解决方案： 他们没有使用“礼宾部人员”（经过指令微调的模型），而是使用了**“原始大脑”**（预训练的基础模型）。把“原始大脑”想象成一个巨大的图书馆，里面包含了来自互联网的数十亿真实的对话、日记和争论。它还没有被教导要变得礼貌；它只是了解人类真实的说话方式，包括他们的偏见、矛盾和成见。

2. 方法论：构建“虚拟人生”

为了让 AI 表现得像一个特定的人，研究人员不仅仅是给它一个标签。他们构建了一个深刻的背景故事，就像为小说中的角色编写一份完整的传记一样。

访谈： 他们要求 AI 对自己进行“访谈”，生成一段关于其童年、家庭、奋斗经历和政治观点的长篇且详细的故事。
匹配： 然后，他们从旧的研究中提取真实的参与者数据，并将他们与拥有最相似生活经历的 AI “角色”进行匹配。
“时光机”（时间锚定）： 人类是随时间变化的。2014 年的一个人在 2019 年对政治的感受可能已经不同了。研究人员强制要求 AI 在模拟过程中“记住”它所生活的确切年份，就像一名时空旅行者一样。
“现实检查”（一致性过滤）： 有时 AI 会感到困惑并忘记自己的故事（例如，明明刚才还说自己是共和党人，结果却说自己是民主党人）。研究人员增加了一个步骤，由第二个 AI 来检查答案，以确保角色始终忠于其背景故事。

3. 实验：“分钱”游戏

团队在心理学家使用的两种经典游戏中测试了这些虚拟人类：

独裁者游戏（Dictator Game）： 你有 10 美元。你可以全部留下，也可以分给陌生人一些。
信任游戏（Trust Game）： 你把钱发给一个陌生人，这笔钱会翻三倍。对方可以选择还给你一些。

转折点在于？研究人员告诉了 AI 关于那个陌生人的信息：“另一个人是民主党人”或者“另一个人是共和党人”。

发现：
真实的人类往往会对那些拥有相同政党的人（同党派者）更友好，而对那些政见不同的人（异党派者）则更吝啬。研究人员发现，他们深度绑定的 AI 角色几乎完美地复制了这种行为。

当 AI 知道对方是“同党派者”时，它会给予更多的钱。
当 AI 知道对方是“对手”时，它给出的钱就更少。
至关重要的是，AI 把握住了时机。它在 2019 年的模拟中展现出的慷慨差距，比 2014 年的模拟中更大，这反映了现实中政治极化是如何加剧的。

4. “如果……会怎样”机器

这篇论文最令人兴奋的部分是，AI 让研究人员能够进行人类无法完成的操作：反事实模拟（Counterfactuals）。

想象你有两项结果不同的真实研究。你不知道差异是因为研究进行的年份、指令的措辞，还是招募的人群类型。

使用真实人类时，你无法在不改变其他所有变量的情况下改变其中一项。
使用他们的 AI，他们可以运行“如果……会怎样”的模拟。他们拿出了 2014 年的研究，并问道：“如果我们使用 2019 年的指令会怎样？”或者“如果我们使用 2019 年的参与者群体会怎样？”

惊喜之处： 他们发现，指令的措辞（即“框架”）对结果的影响实际上比研究进行的年份还要大。AI 帮助他们发现，提问方式的细微变化就能极大地改变人们的回答，而这是一个在人类研究中经常被忽视的细节。

总结

这篇论文表明，如果你不把 AI 当作一个“得力的助手”，而是将其视为一面未经滤镜处理的、反映人类对话的原始镜子，并赋予它一个丰富、详细的人生故事和特定的时代背景，它就能以惊人的准确度模拟人类的社会行为。

这并不是要取代人类研究，而是提供一个高保真模拟器，让研究人员可以测试“如果……会怎样”的情景，从而理解为什么人类研究有时会得出不同的答案。这就像是拥有一个社会心理学的飞行模拟器，你可以在不伤害任何真实人类的情况下，通过让飞机“坠毁”（或让实验失败）来观察到底哪里出了问题。

技术摘要：真实与模拟人类群体中的身份、合作与框架效应

问题陈述

人类在社会困境中的决策不仅受理性审议的影响，还受到社会身份（如政治党派）和上下文因素（如时间点、问题框架和参与者群体）的塑造。虽然大语言模型（LLM）在模拟人类行为方面展现出了潜力，但先前的研究主要集中在观点调查或理性决策上，忽略了身份驱动的行为。此外，现有的模拟方法通常依赖于指令微调（IT）聊天模型，作者认为这些模型通过平滑人类多样性并强制执行“得体助手”的人设，引入了偏差，无法代表负面特质、偏见或人类身份的全貌。

核心挑战在于：LLM 是否能够准确模拟复杂的人类行为——具体而言是在资源分配和信任博弈中表现出的内群体偏好（in-group favoritism）和外群体敌意（out-group animosity）——同时考虑到那些经常阻碍人类研究可重复性的微妙上下文变量。

方法论

1. 模型选择：预训练模型 vs. 指令微调模型

作者主张使用预训练（基础）模型而非指令微调变体。

原理： 预训练模型从其海量的训练语料库中捕捉到了“多种声音的混合”以及潜在的上下文（说话者特征、听者特征、时间、地点）。相比之下，指令微调优化了模型的帮助性和安全性，有效地将身份冻结为“得体助手”，并使用户特征边缘化。这导致了“湖畔韦戈恩效应”（Lake Wobegon Effect），即 IT 模型系统性地避免负面性格描述，从而导致在模拟现实、多样化的人口时保真度较低。
证据： 论文表明，基础模型在人类对话数据（Reddit）上的困惑度（perplexity）显著低于其 IT 对应模型，这表明它能更好地拟合人类语言模式。

2. 模拟框架

提出的框架 DeepBind 包含三个关键组件，用于在社会困境游戏（独裁者博弈和信任博弈）中模拟人类参与者：

叙事背景生成： 系统并非使用简单的统计学标签，而是为虚拟人格生成丰富的、访谈式的背景故事。这些背景是通过提示一个预训练模型，使用源自《美国声音项目》（American Voices Project）的一系列问题（涵盖童年、家庭、政治、健康等）来创建的。
- 质量控制： 使用指令微调的“评论家”模型进行拒绝采样过程，以过滤掉非对话文本、代码块和事实不一致的内容。
人口统计匹配： 虚拟人格根据其背景故事中提取的人口统计和意识形态特征，通过最大权重二分匹配算法（匈牙利算法）与真实的人类研究参与者进行匹配。
提示策略：
- 时间锚定： 通过在提示词中强制加入问答对，将模拟明确绑定到原始人类研究进行的特定年份（例如 2014 年 vs. 2019 年）。这旨在验证“党派敌意随时间推移而增加”的假设。
- 一致性过滤： 为了防止长时模拟过程中的语义漂移，系统会定期重申人格的身份和群体成员身份（例如，“请记住你已表明自己是共和党人”），以保持行为一致性。

3. 实验设计

作者使用两种经典的行为经济学游戏评估了该框架：

独裁者博弈（Dictator Game）： 衡量资源分配中的利他主义和内群体偏好。
信任博弈（Trust Game）： 衡量信任度（发送者）和可靠性（接收者）。

该研究跨越三个模型家族（Mistral-Small, Mixtal, Qwen-2.5）复制了四项人类实验（Iyengar & Westwood, 2015; Whitt et al., 2021; Carlin & Love, 2018）。作者还进行了反事实模拟，以分离出三个特定因素的影响：研究年份、指令框架（措辞）和参与者群体（招募来源）。

关键结果

1. 模拟保真度

DeepBind 方法（背景故事约束 + 时间锚定 + 一致性过滤）在复制人类党派偏差（ $\Delta$ 值）方面，始终优于基准提示策略（问答 QA、简介 Bio、描绘 Portray）。

在独裁者博弈中，DeepBind 在多个研究中对于民主党人和共和党人都实现了与人类数据最接近的对齐。例如，在 2019 年的 Whitt 等人的研究中，DeepBind 产生的共和党 $\Delta$ 为 2.16（人类为 2.33），民主党 $\Delta$ 为 2.60（人类为 2.46），显著优于基准模型。
在信任博弈中，DeepBind 同样匹配了人类基准，例如在 2019 年的研究中复制了 2.00 的共和党 $\Delta$ （人类为 1.76）。

2. 消融实验

背景故事： 移除扩展的叙事背景故事（退回到简单的问答提示）会导致性能显著下降，证实了深度人格绑定至关重要。
时间锚定与一致性： 结合这两种技术效果最好。对于 2019 年的独裁者博弈，结合后的方法实现了 2.38 的平均差值 $\Delta$ ，几乎达到了人类 2.40 的差距。仅使用其中一种技术效果较差。

3. 可重复性的反事实分析

通过独立改变年份、框架和参与者群体，作者识别了导致人类研究结果差异的驱动因素：

框架效应： 指令的措辞（特别是加粗提醒政治身份的部分）对党派偏差的影响在某些语境下比研究年份的影响更强。这挑战了“党派主义上升纯粹是由于时间推移”的推测。
参与者群体： 在信任博弈中，不同招募来源（Mechanical Turk 与 Dynata/SSI）之间表现出微弱但显著的影响。在独裁者博弈中，由于群体较为相似，这种影响可以忽略不计。
年份效应： 研究年份显著影响了独裁者博弈中的分配差异，但在信任博弈中则不然。

重要性与主张

论文声称，当通过无偏见的预训练模型和深度叙事绑定进行正确配置时，LLM 可以成为探索人类社会行为细微差别的强大工具，而这些细节往往在实验描述中被忽略。

可重复性工具： 该框架允许研究人员“反事实地探索”研究设计（年份、框架、群体）的微妙变化如何改变结果，有助于解释人类复制研究之间的差异。
超越调查： 不同于以往关注观点民调的工作，这项工作证明了 LLM 可以模拟受身份和环境影响的行动（资源分配）。
方法论转变： 作者认为，由于指令微调模型具有向“帮助性”倾斜的内在偏差，它们不适合模拟人类行为的全样多样性，而基础模型能提供更忠实的人类复杂性表征，包括负面特质和偏见。

局限性

作者承认存在以下限制：

数据依赖性： 保真度受限于模型的训练数据在时间与文化范围内的覆盖（例如，不期望模拟 1950 年代的行为是准确的）。
偏差传播： 虽然基础模型捕捉了多样性，但它们也捕捉了社会偏见。生成的角色可能会反映训练数据中存在的有害刻板印象或偏见。
资源密集型： 使用拒绝采样生成高质量的背景故事需要大量的计算资源。
领域特定性： 目前的实验完全集中在美国政治党派问题上；其在其他文化或语境下的泛化能力尚未得到证实。

论文总结道，虽然人类研究仍是“金标准”，但该模拟框架为理解影响人类行为的实验设计中“隐藏变量”提供了一个有价值的机制。