简短答案：不能——至少在心理测量意义上不能。Lukauskas 与 Šarkauskaitė 在 2026 年对 37 个大语言模型做的审计发现，合成受访者能复现人类问卷关系的方向，却在结构上失守：一个普通的高斯 copula 统计基线击败了所有 LLM，而用合成数据训练出的模型在真实人群上丧失了预测效度。
\n\n这项研究提出的问题，比多数合成受访者评测更难。它不问单个作答看起来是否可信，而是问合成样本是否保留了让问卷数据可用的那些联合性质：相关结构、潜变量结构、量表信度、中介路径与人口统计效应。
\n根据 Lukauskas 与 Šarkauskaitė（2026），研究设计如下：
\n最后这一点值得借鉴，无论你对 LLM 持何种看法。多数合成数据的主张既没有上限也没有下限：没有人对人的基准，你无法判断 0.7 的相似度算不算好；没有统计基线，你也无法判断模型是否提供了 copula 给不了的东西。
\n\n近到看起来没问题，远到足以误导。报告中的失效大致可归为几类。
\n| 失效模式 | 研究报告的发现 |
|---|---|
| 被统计基线击败 | 在 PSS 的样本驱动成分上，高斯 copula 基线优于所有 LLM |
| 合成单一化 | 模型间平均 PSS 为 0.73——模型彼此之间比与人类更相似 |
| 默许偏差 | 每个模型都出现 +0.84 SD 的赞同倾向偏移 |
| 预测效度丧失 | 用合成数据训练的回归模型在留出人类样本上平均 R² 为 −0.18，而对照为 0.28 |
| 凭空生成机制 | 模型在 10 条安慰剂中介路径中的 3 条上产生了间接效应 |
| 因子结构坍塌 | 37 个模型中有 8 个在 UWES 上的 Tucker's phi 落入题目置换零分布之内 |
其中两点值得强调。R² 为负意味着合成数据训练出的模型预测真实人群比直接猜均值还差——这不是信号变弱，而是主动有害。而安慰剂中介的结果，应当让任何用合成样本做理论检验的人警惕：作者放入了本应毫无效应的中介路径，模型却在其中三条上产生了效应。
\n\n对合成受访者基准的一个常见质疑是：好分数来自模型记住了量表。这项研究用逐字回忆测试做了探测，报告回忆能力与 PSS 的秩相关为 0.00——回忆能力并不能预测排行榜位置。
\n这一点是双向的。它排除了记忆化作为成功解释的可能，从而强化了\"模型确实抓住了人类关系的定性方向\"这一发现；同时它也拿掉了为失败开脱的借口：模型失败并非因为没见过这些量表，而是因为生成一个连贯的总体，与生成一个连贯的个体，本就是两件不同的任务。
\n\n反事实替换给出了一个研究者很少预料到的排序。改变所描述受访者的教育程度，使作答产生了平均绝对效应量 0.56 的移动，远超职位（0.18）与性别（0.12）。
\n如果你在构建人物画像，你很可能仔细指定了性别与职位，却把教育程度当成背景细节。而在这次审计中，它才是主导杠杆。这是一条具体且可检验的提示设计启示：要么固定教育程度，要么有意识地操纵它，否则你的合成样本的变异将由一个你并未打算操纵的变量所驱动。
\n\n论文的结论范围明确且直白：LLM 样本不能直接替代人类问卷数据。它并未说合成受访者毫无用处。结合 2026 年其余文献来看，一个站得住脚的立场大致是：
\n务实的替代方案，不是\"要么收集完整的传统样本，要么放弃\"，而是把少量真实人类数据花在刀刃上。一轮简短的 AI 主持访谈能带来合成生成本身产生不了的深度与锚定分布；而建立在真实受访者数据之上的 Digital Twin Panel，与凭一串人格描述凭空造出来的东西，是完全不同的两件事。这次审计是在论证要把合成工作锚定在人类数据上，而不是放弃合成。
\n\n用于问卷工具预测试和流程试跑，可以。用于估计效应、检验中介或训练预测模型，这次审计提供了强有力的反对证据。
\n在这项研究中不能。默许偏移、单一化、凭空生成中介这些失效，在全部 37 个模型上都出现了，涵盖四个商业模型家族与十二个开源权重家族。
\n它是一种标准统计方法，用于生成保留真实样本相关结构的合成数据。它之所以重要，是因为它在 PSS 的样本驱动成分上击败了所有 LLM——更简单的工具把结构这件事做得更好。
\n数据集来自立陶宛组织心理学领域，作者也做了跨语言检验，但单一国家、单一领域、263 人的样本确实是推广性上的现实限制。可以把发现的方向视为稳健的，而把具体数值视为这一情境所特有的。
\n\n最后更新：2026-09-07。本文是对第三方研究的独立编辑性摘要，与该研究作者无隶属关系，也未经其背书。
","related":[{"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"},{"slug":"rehearse-interview-protocol-simulated-participants-2026","title":"能用 AI 模拟受访者预演访谈吗？2026 年研究发现","description":"能否用 AI 模拟受访者预演访谈提纲？一项 2026 年对 21 位定性研究者的研究发现，预演带来了实际的提纲修改，也暴露出三个隐藏风险。","category":"研究方法论","date":"2026-10-21","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}