模拟人类语音的法学硕士(LLM)正逐步成为社会科学研究的新工具，其通过低成本方式测试假设、开展试点研究，已取得早期积极成果。社会科学研究通过提升对人类行为的理解，助力企业营销、政策制定及公共卫生策略规划。然而，传统社科研究因研究对象——人的复杂性而面临耗时、昂贵及难以复制的挑战。

随着人工智能进步，LLM可模拟专业社会科学家或多样化人类受试者，进行低成本假设测试与初步研究。斯坦福大学以人为本人工智能研究所 (HAI) 的访问学者、芝加哥大学博士生Jacy Anthis指出，尽管LLM在模拟上展现出潜力，但其答案常缺乏多样性、带有偏见或过于谄媚，且在新环境推广能力有限。尽管如此，Anthis对LLM在社科研究中的应用持乐观态度，认为一年深入研究可带来实质性进展。

为评估LLM模仿人类能力，斯坦福大学PACS高级研究员Luke Hewitt团队将LLM与随机对照试验(RCT)对比，发现LLM在模拟人类对随机治疗反应上，预测准确度与人类专家相当，且与治疗效果高度相关。然而，Hewitt也指出，新模型因网络搜索功能而更难审查，可能需要未公开研究档案进行评估。同时，LLM还面临分布一致性挑战，即无法完全匹配人类答案多样性。斯坦福大学电气工程研究生Nicole Meister称，通过“少量样本”引导，可改善LLM答案分布，但该方法对偏好问题效果有限。此外，使用LLM还面临验证、偏见、谄媚、陌生性、概括等挑战。Anthis认为，这些挑战虽存在，但可通过特定技巧减轻，如基于访谈的模拟、微调模型等。

当前，混合方法成为利用LLM进行社科研究的最佳实践。斯坦福大学社会学研究生戴维·布罗斯卡(David Broska)提出结合人类回应与LLM预测的混合研究设计，通过预测驱动推理，有效利用两种数据资源，同时避免LLM引入偏见。Hewitt表示，LLM模拟在实验设计、问卷措辞选择等方面已发挥作用，但人类数据仍是社科研究基石。

更多信息： Jacy Reese Anthis 等人，LLM 社会模拟是一种有前途的研究方法，arXiv (2025)。期刊信息： arXiv