从宏观社会信号中学习模拟个体

arXiv:2610.07062v1 发布类型：new 摘要：大型语言模型正越来越多地用于模拟个体如何回应新情境，但这些回应背后的行为推理要么继承自预训练，要么从个体层面的标注中学习，而后者只能提供有限的行为多样性，对推理本身的监督也很少。我们提出从预测市场中学习行为推理，因为预测市场的价格轨迹记录了大规模人群对现实世界事件的反应。我们引入 macro2mind，利用市场信号并通过 GRPO 训练语言模型。社会行为分解将行为推理明确设为预测过程中的一个步骤：模型推断市场参与者的代表性群体，预测每个群体如何解读新闻并更新信念，推理这些群体之间的互动，再将这些反应汇总为一个价格。结合难度感知采样的后见之明遗憾课程，将训练重点放在由后见之明识别出的群体能够显著改善预测的转变上，同时优先选择当前策略仍可学习的样本。学习到的推理能力无需进一步训练即可应用于用户模拟。在 SWM-Bench 上，macro2mind 在 Polymarket 上取得了最先进的方向准确率和相关性。macro2mind 在市场数据上训练后，能够零样本迁移到四个用户模拟基准（Humanual、OvertonBench、PRISM 和 CAD），并在零样本方法中表现出竞争力。作为数据生成器，macro2mind 还使下游模拟器在未见过的用户上的准确率提升了 15.5 个百分点，比其骨干模型生成的数据高出 13.2 个百分点。