研究者提出LLM合成受访者验证框架

针对用大语言模型驱动的合成受访者替代真人样本的做法，Florian Kutzner等作者提出一套验证框架，要求每项效度声明明确其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。研究者以电动汽车充电电价为例演示该框架，并给出报告清单。 该框架为作者提出的方案，报道未说明其是否已被实际采用或验证有效。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。