MetaPersona: अनुभवजन्य सामाजिक-अनुसंधान डेटा पर आधारित कार्य-विशिष्ट सिंथेटिक आबादियाँ

शीत शुरुआत की समस्या

LLM के साथ सामाजिक सिमुलेशन के लिए सिंथेटिक आबादियाँ व्यक्तित्वों से बनाई जाती हैं। मौजूदा तरीकों में शामिल किए जाने वाले गुणों को चुनने और उन्हें मान देने का कोई सैद्धांतिक आधार नहीं है। arXiv:2609.38392 के लेख के लेखक इसे शीत शुरुआत की समस्या कहते हैं। इसके कारण सिंथेटिक आबादियाँ इन चीज़ों को विकृत कर सकती हैं:

• जनसांख्यिकीय संरचना;
• गुप्त गुण;
• निर्भरता की संरचना।

ये विकृतियाँ आबादी के बाद के व्यवहार को प्रभावित करती हैं। सैद्धांतिक आधार के बिना, गुणों का चयन मनमाना बना रहता है। किसी विधि के लिए मानदंड यह है कि गुणों का कार्य से जुड़ाव समझाया जा सके।

अनुभवजन्य अध्ययनों का डेटाबेस MetaPersona-DB

लेख का पूरा शीर्षक है «MetaPersona: Task-Grounded Synthetic Populations from Empirical Social Science». MetaPersona-DB में लोगों से जुड़े 11,000+ अनुभवजन्य अध्ययनों का डेटासेट है। हर अध्ययन में ये बातें एनोटेट की गई हैं:

• कार्य से संबंधित चर;
• वर्णित अंतर्संबंध;
• आबादी के समेकित आँकड़े।

MetaPersona विधि डेटाबेस से कार्य के लिए प्रासंगिक डेटा निकालती है। डेटाबेस अनुभवजन्य पूर्व वितरणों का स्रोत है, न कि तैयार व्यक्तित्वों का। मानदंड यह जाँचना है कि डेटाबेस में किसी विशिष्ट कार्य के चर और संबंध शामिल हैं या नहीं। इनके बिना विधि के पास जनरेशन को आधार देने के लिए कुछ नहीं होता।

आबादी कैसे बनाई जाती है

MetaPersona कई चरणों में आबादी बनाता है:

1. कार्य के लिए प्रासंगिक डेटा निकालना।
2. वैज्ञानिक साहित्य के आधार पर व्यक्तित्वों के निर्भरता ग्राफ़ बनाना।
3. अनुभवजन्य पूर्व वितरणों के आधार पर सिंथेटिक आबादियाँ बनाना।
4. जनसांख्यिकीय विशेषताओं, गुप्त गुणों और परिणामों को जोड़ना।

नतीजतन, किसी व्यक्तित्व को गुणों के मान हाथ से चुनकर नहीं, बल्कि अनुभवजन्य निर्भरताओं से मिलते हैं। ग्राफ़ विशेषताओं के बीच संबंधों को दर्ज करता है। यही इस दृष्टिकोण को साहित्य पर आधारित न होने वाले व्यक्तित्व जनरेशन से अलग करता है। मानदंड यह है कि कार्य से डेटा, ग्राफ़ और गुणों के मानों तक की पूरी कड़ी का पता लगाया जा सके।

मूल्यांकन के परिणाम

MetaPersona विधि का मूल्यांकन तीन अनुप्रयुक्त अध्ययनों, तीन आधारभूत विधियों और तीन अत्याधुनिक मॉडलों पर किया गया। नतीजे कार्य और मॉडल के अनुसार अलग-अलग थे।

यह विधि सभी कार्यों पर एक जैसा स्तर नहीं देती। व्यावहारिक मानदंड यह है कि विशिष्ट कार्य और विशिष्ट मॉडल पर मूल्यांकन किया जाए। किसी दूसरे संदर्भ का परिणाम अपने-आप लागू नहीं होता।

लागत और कार्यशील इंटरफ़ेस

मुख्य तत्व:

• GPT-5.2 का उपयोग करके व्यक्तित्व बनाने की लागत अपेक्षाकृत कम है।
• MetaPersona-Studio अनुभवजन्य डेटा पर आधारित व्यक्तित्व जनरेट करने के लिए एक इंटरैक्टिव इंटरफ़ेस का प्रोटोटाइप है।

कम लागत प्रयोगों की कुछ बाधाएँ दूर करती है। इंटरफ़ेस का प्रोटोटाइप होना बताता है कि इसे विधि से परिचित होने के एक तरीके के रूप में देखना चाहिए। मानदंड यह है कि जाँच किए बिना प्रोटोटाइप को कार्यशील बुनियादी ढाँचे का हिस्सा न बनाया जाए।