简短回答：南洋理工大学 2026 年的一项研究测试了让 LLM 在一个提示词中回答整份问卷（\"快速\"硅基抽样）的做法。结果显示，这样生成的合成问卷数据至少与常规的\"一次一题\"方法同样可信，成本却只有约一半。但两种方法都严重低估了人类意见的方差，只保留了真实离散程度的四分之一左右。
最后更新：2026 年 10 月 27 日
\n\n硅基抽样（silicon sampling）是指把受访者的人口统计画像输入大语言模型，让它以这个人的身份回答问卷题目。大多数研究采用\"慢速\"做法：每次 API 调用只问一道题（或一小组题），调用之间重置会话。Nickolas Hock Yuen Lam、Ji Xuan Voo 与 Xiangyu Ma 的预印本 The conditional superiority of fast silicon sampling（arXiv，2026 年 8 月）检验了一个此前没有研究直接比较过的实际问题：一次性发送整份问卷，会不会让合成答案变差？
\n\n快速抽样把所有题目放进一个大提示词，一次拿回完整的一套回答。慢速抽样则把问卷拆成小单元，每个单元都发起一次新的 API 调用。作者指出，慢速抽样是这一领域的默认做法。他们人工编码了 2023 年至 2026 年年中 75 篇实质性使用硅基抽样的 arXiv 预印本，其中 66 篇用慢速抽样，17 篇用快速抽样（有 8 篇两者都用）。
\n\n研究者为什么默认选择慢速？作者推断有三个原因。一是沿用 Argyle 等人（2023）最初的流程。二是早期模型处理长提示词的效果较差。三是希望逐题隔离，以避免题序效应。他们还指出，人类受访者答问卷本来就是\"快速\"方式，会把前一道题的记忆带到下一道题。
\n\n研究用两种方法分别构建了世界价值观调查（WVS）第 7 波新加坡样本（n = 2,012）的合成版本，并与真实受访者对比。根据 Lam、Voo 与 Ma（2026），研究设置如下：
\n\n是的，便宜很多。慢速抽样每个合成受访者约需 20 秒和 4,000 个 token，快速抽样只需 3 秒和 1,450 个 token。作者估算，完整运行一次慢速抽样需 335.3 小时、603.60 美元，快速抽样则为 50.3 小时、301.80 美元。
\n\n| 指标 | 慢速抽样 | 快速抽样 |
|---|---|---|
| 每位受访者运行时间 | 约 20 秒 | 约 3 秒 |
| 每位受访者 token 数 | 约 4,000 | 约 1,450 |
| 估算总成本 | $603.60 | $301.80 |
| 平均标准化偏差（27 道题） | 0.40 SD | 0.37 SD |
| 保留的真实离散程度 | 23.9% | 22.9% |
| 与 WVS 关联结构的相关，移民（r） | 0.28 | 0.42 |
| 与 WVS 关联结构的相关，伦理（r） | 0.57 | 0.69 |
| Procrustes M²，移民（0 = 完全相同） | 0.610 | 0.468 |
来源：Lam、Voo 与 Ma（2026），表 1、2、5、6 及正文。
\n\n不会。几乎在所有指标上，快速抽样与人类数据的接近程度都和慢速抽样相当，而且常常略好。27 道题的平均标准化偏差，快速为 0.37 SD，慢速为 0.40 SD。无论哪种模式，合成受访者与对应真实受访者的答案重合率都只有 40% 左右，但快速抽样在两组题上都略微更接近。快速抽样对题目间相关性的还原也更好，移民和伦理两组都是如此。
\n\n在伦理题的意见空间上，快速抽样没有明显胜出。两种模式的差距不到 0.02（M² 慢速 0.744，快速 0.756）。
\n\n均值上算中等准确，均值之下的一切都表现不佳。这部分结论同时适用于两种方法，研究者最应该重视：
\n\n作者指出，模型掌握的新加坡训练数据少于英美欧洲的调查人群。他们的结论是，那里的硅基样本最多只能作为探索性工具。它适合用来生成假设或压力测试题目措辞，但不应替代受访者。
\n\n不是，这个区别很重要。本研究是把一个画像的所有题目放进同一个提示词。我们报道过的另一项 2026 年研究发现，在一次请求中生成多个合成受访者会抬高相关性。两项研究合起来看，一个合理的默认做法是：每次调用一个画像，并在这次调用里放入完整问卷。把多个画像塞进同一次调用风险更高。
\n\n如果你已经在用合成受访者做问卷预测试，可以放心地用更便宜的单提示词设计替换默认的慢速做法。但它解决不了根本的局限。几点实用建议：
\n\n这篇论文支持合成样本承担探索性角色。对于在正式发放前测试问卷的团队，Qualitati 数字孪生样本库适合这一角色，AI 问卷则负责面向真实受访者的验证环节。
\n\n硅基抽样是指把一个人的人口统计画像输入大语言模型，收集它给出的问卷回答，作为这个人的合成替身。这一术语来自 Argyle 等人（2023）。
\n\n在本研究中不会。单提示词做法在均值、受访者层面的重合度和题目间关联上都与\"每次调用一题\"的做法持平或更好，成本却只有约一半。
\n\n按这项证据来看还不能。两种方法保留的真实意见方差都不到四分之一，也扭曲了态度之间的关系。因此作者只建议用于探索性用途。
\n\n研究使用 OpenAI GPT-5.4 和世界价值观调查第 7 波新加坡样本（2,012 名受访者），涉及移民和伦理规范两方面共 27 道题。
\n\n最后更新：2026 年 10 月 27 日。本文是对 Lam、Voo 与 Ma（2026）第三方研究的独立编辑摘要，与作者无关联，也未获作者背书。完整方法与结果请参阅原始预印本。
\n","related":[{"slug":"silicon-samples-respondent-coverage-gap-2026","title":"硅基样本能替代真实受访者吗？2026 年六模型测试","description":"LLM 硅基样本能替代问卷受访者吗？2026 年一项六模型测试发现，合成人群能匹配答案分布，却覆盖不了真实受访者。","category":"AI 用户研究","date":"2026-10-26","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"ai-vs-human-interviewers-randomized-chat-experiment-2026","title":"AI 访谈员 vs 人类访谈员：2026 年随机实验发现了什么","description":"一项 2026 年随机实验比较了 AI 与人类访谈员的文字聊天访谈：切题程度相同，具体性差距未被检测到，文本多出 65%，但跳题更多。","category":"AI 用户研究","date":"2026-10-19","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"artificial-societies-benchmark-synthetic-population-validity-2026","title":"合成人群数据有效吗？2026 年 11 项检验基准研究","description":"合成人群数据是否有效？2026 年一项基准研究用 11 项效度检验评估 9 个大语言模型：它们能复现平均值，却压缩量表区间并扭曲特质之间的关系。","category":"AI 用户研究","date":"2026-10-15","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}