Ir al contenido
AI.info

Investigación

Un modelo fundacional para medir y predecir el comportamiento humano

Los grandes modelos de lenguaje (LLM) se utilizan cada vez más para inferir atributos psicológicos, predecir el comportamiento individual y simular poblaciones humanas.

arXiv
2611.24830
Publicado
2026-11-18
Autores
Haoran Ye, Tianrui Huo, Hangzhen Li, Xin Zhang, Guojie Song

Resumen de los autores

Los grandes modelos de lenguaje (LLM) se utilizan cada vez más para inferir atributos psicológicos, predecir el comportamiento individual y simular poblaciones humanas. Sin embargo, aunque generan respuestas plausibles, a menudo representan mal a las personas y distorsionan las estadísticas poblacionales. Aquí presentamos Chiron, un modelo fundacional para medir y predecir el comportamiento humano. Ajustamos conjuntamente un LLM mediante fine-tuning para representar constructos psicológicos, predecir el comportamiento individual y alinear las distribuciones de respuestas de la población con las estadísticas humanas. Los datos de entrenamiento y evaluación abarcan 36 ámbitos del comportamiento y 78 experimentos de ciencias sociales, y comprenden 288.307 registros de personas, 1.411.750 decisiones conductuales atómicas y 99.953 evaluaciones psicométricas sobre 109 constructos psicológicos. En nuestras evaluaciones, las mediciones psicológicas de Chiron concuerdan más estrechamente con los autoinformes de las personas y presentan menos sesgos que menoscaban la validez psicométrica. Predice el comportamiento individual con mayor precisión que los LLM de vanguardia (hasta un 28,4 % de mejora relativa). En simulaciones de experimentos de ciencias sociales, capta con mayor precisión la dirección y la magnitud de los efectos experimentales humanos (entre un 82,2 y un 94,3 % menos de error en la estimación del tamaño del efecto). En conjunto, estos resultados consolidan a Chiron como un instrumento computacional unificado para medir y predecir el comportamiento humano.

El resumen de este paper solo está disponible en inglés: léelo en la página en inglés.

Leer el paper original en arXiv