合成调研验证新框架：LLM 合成受访者应验证后果性行为与表征公平性

针对业界和学界用 LLM 驱动的合成受访者替代真人样本的做法，研究者提出一套验证框架，要求每项效度声明明确与人类数据的对应层级，并覆盖 location、dispersion、response process、structure 四项诊断及实验效应对比。框架还要求报告子群体效度，并将分布、程序与承认三个公平维度操作化为可测量指标，最后以电动汽车充电电价为例演示并给出报告清单。