SYN-DIGITS：用于校准数字孪生仿真的综合控制框架

基于人工智能的角色模拟（通常称为数字孪生模拟）越来越多地用于市场研究、推荐系统和社会科学。尽管具有灵活性，但 大语言模型 (LLM) 经常表现出相对于真实人类行为的系统偏差和误校准，从而限制了其可靠性。受到因果推理综合控制方法的启发，我们提出了 SYN-DIGITS（校准数字孪生模拟的综合控制框架），这是一个有原则的轻量级校准框架，可以从数字孪生响应中学习潜在结构，并将其转移到与人类 真值 对齐的预测。 SYN-DIGITS 作为任何基于 LLM 的模拟器之上的后处理层运行，因此与模型无关。我们开发了一个潜在因素模型，通过潜在空间对齐条件形式化校准何时以及为何成功，并且我们系统地评估了跨十三个角色构造、三个 LLM 和两个数据集的十种校准方法。 SYN-DIGITS 支持针对以前未见过的问题和未观察到的群体的个体级和分布式模拟，并提供可证明的错误保证。实验表明，与未校准的基线相比，SYN-DIGITS 在个体水平相关性方面实现了高达 50% 的相对改进，在分布差异方面相对减少了 50--90%。