技术摘要：Anamnesis

问题陈述

传统的民意调查和社交民调面临着显著的物流与经济障碍，包括不断上升的成本、下降的响应率，以及难以触达特定人口统计学子群体的困难。虽然大语言模型（LLM）为“虚拟人格”（virtual personas）提供了潜在的替代方案，但以往模拟人类群体的尝试多依赖于使用简短人口统计属性（例如“35岁，拉丁裔女性”）的“人格提示词”（persona prompting）。这种方法往往会产生刻板的响应，且缺乏进行复杂意见征询所需的心理深度。此外，现有的高保真方法论如 Anthology (Moon et al., 2024) 和 Alterity (Kang et al., 2025) 仍局限于孤立的 Python 脚本，而商业化模拟平台则是闭源、专有的系统，缺乏严谨社会科学研究所必需的透明度和可复现性。

方法论

Anamnesis 是一个开源的 Web 平台，旨在为非技术用户提供 Anthology 和 Alterity 框架的操作化工具。它通过使用从预训练基座模型中采样生成的丰富、开放式叙事背景，取代了简短的人口统计属性描述，以此来调节 LLM 的响应。

核心组件

1. 叙事背景调节 (Narrative Backstory Conditioning)：

   • 系统不再使用属性列表，而是利用通过采样（使用来自 American Voices Project 的访谈问题）生成的具有多段落长度的生命史来调节模型。
   • 这些背景故事捕捉了形成性经验、价值观和世界观，而非仅仅是人口统计特征。
   • 人口统计属性是从这些背景故事中通过概率推断得出的，而非作为观测标签。

2. 系统架构：

   • 调度器–队列–工作者模型 (Dispatcher–Queue–Worker Model)： 为了处理调查运行中的 $O(S \times Q \times N)$ 复杂度（其中 $S$ 为样本量，$Q$ 为问题数，$N$ 为重采样次数），系统使用了一个异步队列。工作者针对每个人格按顺序执行问题，并采用顺序上下文累积 (sequential context accumulation) 技术，以确保跨问题的信念一致性。
   • 调查构建器 (Survey Builder)： 一个图形化界面，允许用户在无需编程的情况下构建多模态调查（包括多选题、开放式问题、排序题、图像和音频）。

3. 人口统计目标定位与选择：

   • 概率匹配 (Probabilistic Matching)： 由于人口统计特征是推断出的分布 ($p_{b,d}(c)$)，系统采用了两种选择算法：
     • Top-K 概率排名： 选择与目标过滤器具有最高联合兼容性的角色。
     • 平衡人口统计匹配： 通过解决分配问题（使用匈牙利算法）来填充特定的统计单元（例如：年龄 $\times$ 性别），同时最大化整体兼容性。为确保实时延迟，候选池在分配前会被剪枝至每个单元的前 $M$ 个候选者。
   • 人口统计推断： 用户可以即时定义新的统计维度（例如政治倾向）。系统使用 Logprobs 模式（单次约束前向传递）或 N-sample 模式（通过重复采样获取经验分布）来估计这些维度的概率分布，以适应没有自托管 vLLM 基础设施的用户。

4. 回答算法：

   • Anthology（默认）： 在第一个问题前添加完整的背景故事；在后续问题中将“问题-回答”对附加到上下文中。
   • 零样本基准 (Zero-shot Baseline)： 仅基于简短的人口统计描述（如 CLAIR 式提示词）进行调节，作为消融对照实验。

核心贡献

• 首个开源 GUI 平台： Anamnesis 是第一个结合了叙事背景调节、概率人口统计匹配、顺序上下文累积以及多模态调查支持的可部署、非技术性界面的系统。
• 先进框架的操作化： 它将 Anthology 和 Alterity 的方法论从研究原型转化为统一的 Web 界面，使缺乏编程经验的研究人员也能使用最先进的人格近似技术。
• 可扩展的基础设施： 该平台支持在 35,000 个预采样背景故事池之上进行并发调查运行，并具备自动化的统计平衡与结果聚合功能。

结果

系统通过两个案例研究进行了评估：

1. 复制公众舆论调查 (Pew Research Center ATP)：

   • 该平台成功复制了美国趋势小组 (ATP) 在三个波次（生物医学、政治类型学、人工智能）中的部分数据。
   • 指标： 响应相关矩阵之间的平均 Wasserstein 距离 (WD) 和 Frobenius 范数 (Fro.)。
   • 结果： Anamnesis（基于背景故事调节）在匹配现实世界响应分布方面显著优于标准的统计列表基准（BIO 和 QA）。例如，在第 34 波调查中，Anamnesis 的 WD 为 0.147，而 BIO 基准为 0.258。结果高度镜像了人类的分布，尽管与实际人类数据之间仍存在差距。

2. 多模态偏好估计 (New Yorker Caption Contest)：

   • 系统模拟了人类对 49 场漫画配文竞赛的视觉-语言偏好。
   • 指标： 多数投票准确率以及人类首选配文的得票率。
   • 结果： Anthology 方法实现了 59.2% 的多数投票准确率（相比之下，零样本基准为 51.0%）。它将人类首选配文的平均得票率提高了 7.8 个百分点 ($p=0.0024$)，证明了叙事调节能提高在多模态任务中与集体人类判断的一致性。

意义

本文将 Anamnesis 定位为一种透明、可复现且开源的替代方案，用以对抗专有模拟服务。其主要用途在于使社会科学家能够在招募人类受试者之前，在多样化且人口统计平衡的虚拟群体上原型化并压力测试调查工具。通过为高保真人格模拟提供非技术性界面，该平台旨在使严谨的社会科学方法论实现民主化，允许研究人员在无需承担传统人类受试者研究之物流负担的情况下，考察不同子群体的意见分布。