味道无差别：硅样品和味道的合成结构

事实证明，大语言模型虽然与公众态度和观点不一致，但却是非凡的。 LLM 能够在多大程度上产生文化品味的合理近似值仍然是一个开放的实证问题，随着市场研究公司已经提供临时“合成”调查小组以及来自 LLM 生成的答复的标准调查数据的污染，这个问题变得越来越紧迫。在这项研究中，我们在过去的硅采样工作的基础上，扩展了对文化品味领域中生态、关系和位置保真度的考虑。我们使用 OpenAI、Anthropic 和 DeepSeek 的大语言模型，从公众参与艺术调查 (SPPA) 中生成了 554,940 个调查受访者的硅替代物。我们发现这些硅替代品的口味是人类口味的高度程式化的复制品。首先，硅样品是超级杂食性的，具有系统性的偏向性。文献中经常讨论的 WEIRD 偏差并不能很好地解释硅样品的这些个体水平偏差。其次，真实味道结构中的复杂关系在硅样品中完全扭曲。第三，品味和社会空间之间已知的文化一致性几乎没有被保留下来。硅样品使年龄品味关联变得年轻，复活了不合时宜的阶级品味关联，并讽刺了性别和种族品味关联。关键词：人工智能、品味、消费、文化、硅采样、荟萃分析。