数据驱动的用户画像用于调查模拟：不同数据访问机制下的模拟对齐洞见

然而，许多现有的引导方法依赖目标域人类数据进行微调或提示，这类数据收集成本高昂，并且会引发隐私问题。本文研究人口群体层面的调查模拟：从异构的匿名化公共行为数据中诱导出的用户画像，用于约束能够模拟特定人口群体个体回答的智能体。我们考察能否从多样化的数据源中诱导出具有代表性的用户画像，并分析源数据的领域、规模和粒度如何影响调查模拟对齐度。我们发现，从域外数据源诱导出的用户画像很少能超过仅基于基本人口统计信息进行约束的模拟效果，这主要是由于人群不匹配。然而，当用户画像被准确分配至目标人口群体时，对齐度会显著提升。最后，随着可用调查问题历史记录的增加，从目标域调查数据中诱导出的用户画像具有更好的泛化能力，这表明，更丰富的行为证据能够支持更稳定的用户画像特征推断，并迁移为对未见问题更好的模拟对齐效果。