Newest papers

LLMs as survey respondents: Comparison to simple semantic baselines

Esko Lehtonen, Tommi Buder-Gröndahl · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29645 · open-access PDF

Korean

대규모 언어 모델 (LLMs)은 인간 설문 조사 응답자를위한 대리점으로 탐구되었습니다. 더 유망한 응용 프로그램은 LLM이 부분적인 인간 데이터에서 새로운 응답을 예측하는 데이터 증폭입니다. 그러나 설문조사 항목 사이의 상징적 유사성은 응답 사이의 상관 관계의 알려진 원천입니다. 따라서 LLM이 실제로 질문과 응답 쌍 사이의 의미있는 관계를 추론하거나 질문 사이의 표면 수준 비교를 heuristic으로 사용하는지 여부는 명확하지 않습니다. 이를 평가하기 위해 3 개의 LLM이 두 설문조사에서 태도를 측정하는 항목에 대한 응답을 예측할 수있는 방법을 평가했습니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models (LLMs) have been explored as surrogates for human survey respondents. A more promising application is data augmentation, where LLMs predict new responses from partial human data. However, the semantic similarity between questionnaire items is a known source of correlation between answers. It is thus unclear whether LLMs actually infer meaningful relationships between question-response pairs, or use surface-level comparison between questions as a heuristic. To assess this, we evaluated how three LLMs can predict responses to held-out items in two surveys measuring attitude

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange