简短回答：在个体层面还不行。Kinzinger 与 Hartmann（2026）基于德国社会经济面板（SOEP）微观数据构建数字孪生，在 210 万条模拟作答中取得了 78.8% 的最优单元准确率和 r = 0.590 的秩相关。这足以给题目排序，但不足以替代一个真实的人。
\n\n研究要回答的问题是：把一个真实个体的社会经济历史交给 LLM，它能否像本人那样回答问卷题目。2026 年 6 月 3 日，Leonard Kinzinger 与 Jochen Hartmann 发布了 \"Synthetic Personalities: How Well Can LLMs Mimic Individual Respondents Using Socio-Economic Microdata?\"——这是一项网格式实验，而非单一演示。
\n数据来源是德国社会经济面板（SOEP），一项长期追踪的家庭面板，每位受访者都有多年的作答记录。这个设计选择很重要。多数合成受访者研究只给模型一份人口统计学速写——34 岁、女性、城市、本科学历。而这里模型拿到的是某个真实个体的纵向记录，是数字孪生这一设想在现实中所能达到的最强版本。
\n据 Kinzinger 与 Hartmann（2026）报告，评估覆盖 500 位受访者和 183 道留出题目，在完整实验网格中共生成超过 210 万条（2.1 million）孪生作答。
\n\n准到有用，但不足以取代真人。网格中的最优单元达到 78.8% 的准确率，Fisher-z 秩相关为 r = 0.590（Kinzinger & Hartmann, 2026）。这两个数字要合起来读：约五分之四的作答落在正确选项上，而同一个人跨题目的作答排序只是中等程度、而非高度地被还原。
\n对市场研究者来说，这个落差就是全部要点。一个 79% 正确率的孪生样本，通常能把你评分最高的概念放到最上面；但它无法可靠告诉你该概念领先第二名 3 分还是 11 分，也无法告诉你某一位具体受访者到底怎么想。
\n\n| 设计决策 | 报告的效应 | 该怎么用 |
|---|---|---|
| 更深的信息深度 | 有帮助，但过了约第 75 熵百分位后收益递减 | 在拐点处停止收集背景信息，把预算改投到更多题目上 |
| 原始对话历史 vs. 叙事式画像 | 在最大深度下，原始历史在所有配置中都提升了准确率 | 不要把受访者压缩成一段漂亮的画像文字——直接喂入真实的历史作答 |
| 显式思考模式 | 提升秩相关；准确率不变 | 做排序和优先级任务时开启；不要指望它修复点估计精度 |
| 模型选择 | 作者点名的现存约束之一 | 在自己的留出题目上先做基准测试再定型 |
其中最可能改变团队做法的，是人物画像摘要的那条结果。把受访者压缩成一段可读的人物速写，恰恰是\"看起来最专业\"的做法——而它丢掉的，正是那些细粒度、有时自相矛盾的作答模式，也正是这些模式让一个人区别于人口统计学平均值。
\n\n作者自己的结论是，基于数字孪生的市场研究\"不再受制于数据设计\"，而是受制于题目数量、模型选择以及少数几个构建层面的决策。这是一个有意义的重新定位：瓶颈已经从我们能否把这个人描述得足够好，转移到我们能负担多少道题、以及把哪个模型对准他们。
\n三条实践含义：
\n还有一点必须直说：这项研究用的是全球最丰富的个体级面板数据之一，结果也只停在中等相关。那些仅凭人口统计速写加购买记录构建的孪生，只会更差，不会更好。
\n\n合成受访者最好被理解为坐落在真实数据收集上游的假设生成器。它们快、便宜、可重复，同时也完整继承了训练与构建过程中的全部偏差。真实访谈慢且昂贵，但承载着受访者自己的推理——包括你根本没想到要问的那部分。
\n一种可行的分工：先在孪生样本上生成并排序假设，再用真实受访者检验幸存下来的那些——AI 访谈者让第二阶段变得足够便宜，从而不必让合成阶段承担它扛不住的分量。
\n\n不能。本研究最优配置在留出题目上达到 78.8% 准确率、秩相关 r = 0.590，这支持筛选与优先级排序，但不支持个体层面或差距微小的结论。
\n有限度。Kinzinger 与 Hartmann（2026）报告，超过信息熵约第 75 百分位后收益递减，追加的背景信息换来的准确率提升越来越小。
\n本研究的证据说不要。在最大信息深度下，受访者过往作答的原始对话历史优于叙事式人物画像摘要。
\n它提升了秩相关，却没有改善准确率——当你的产出是一份排序时有用，当你需要点估计准确时基本无关。
\n\nKinzinger, L., & Hartmann, J. (2026). Synthetic Personalities: How Well Can LLMs Mimic Individual Respondents Using Socio-Economic Microdata? arXiv 预印本，2026 年 6 月 3 日。
\n\n最后更新：2026-09-08。本文是对第三方研究的独立编辑性摘要，与原作者无隶属关系，也未获其背书。
","related":[{"slug":"synthetic-respondents-cultural-flattening-2026","title":"合成受访者会抹平文化差异吗？2026 年研究","description":"合成受访者会抹平国家间的文化差异吗？2026 年研究发现，LLM 人设在拟合度良好的同时，只保留了真实跨国分歧的 14–59%。","category":"研究方法论","date":"2026-10-23","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"synthetic-survey-panels-marginal-fidelity-2026","title":"合成问卷样本库真的在模拟人吗？2026 年的一项检验","description":"合成问卷样本库能模拟真实受访者吗？2026 年研究发现，与公开平均值吻合并不能证明模拟成功：无人设提示在 9 组对比中 9 次胜过人设样本库。","category":"研究方法论","date":"2026-10-22","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"llm-as-judge-qualitative-interpretation-2026","title":"LLM 评审能给定性访谈解读打分吗？2026 年研究的检验","description":"LLM-as-judge 能否替代人工审核定性访谈解读？2026 年一项研究对比 3,560 条 AI 解读与人类评分：它能淘汰弱模型，却漏掉言外之意与细微差别。","category":"研究方法论","date":"2026-10-21","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}