模拟社会的极限：后训练与调查微调如何抹平跨文化差异

用大语言模型（LLM）模拟多样化人群有望变革计算社会科学的诸多方面，但许多评估只给平均响应打分，而不关注真实群体内部的意见离散度。我们开发一个诊断框架，在来自世界价值观调查（WVS）、横跨十二个国家与六大洲的 10,000 个受访者-问题对上，同时测量点准确率与离散度保持率（预测标准差与人类标准差之比，DR）。我们评估十一个零样本语言模型和五个用 SFT、DPO、GRPO 在 WVS 数据上微调的变体。我们识别出一种称为共识塌缩（consensus collapse）的失败模式：对齐训练把输出压缩为每个群体一种刻板印象。沿从 Llama 3.1 70B 基座到 Tulu 3 检查点的后训练轨迹，第一阶段监督指令微调就移除了一半的离散度而准确率几乎未增（DR 从 1.22 到 0.59；准确率 +0.9 点），后续阶段未能恢复，且 WEIRD 与非 WEIRD 国家之间出现差距，而调查微调在追求更高点准确率的同时进一步加深了这一差距。最准确的模型（在 WVS 上微调的 Tulu 3 70B-DPO，57.9%）总体只保留一半的人类离散度（DR=0.50），对尼日利亚仅保留 11%，而 WEIRD 国家为 0.70—0.87。把采样温度提高到 1.0，对两个微调 DPO 模型而言与人类分布的 Wasserstein-1 距离不变；在 Qwen 3.5 9B 上，无论用准确率奖励还是分布形态奖励，GRPO 都无法恢复离散度。把对齐模型与未对齐先验混合，在留出划分上把 DR 从 0.51 提到 0.62，但尼日利亚仍只有 0.36。因此，仅看点准确率会误判这些模拟器，而当前的后训练是在用多样性换共识。