Pesquisa
Um modelo fundacional para medir e prever o comportamento humano
Os grandes modelos de linguagem (LLMs) são cada vez mais usados para inferir atributos psicológicos, prever o comportamento individual e simular populações humanas.
- arXiv
- 2611.24830
- Publicado
- 2026-11-18
- Autores
- Haoran Ye, Tianrui Huo, Hangzhen Li, Xin Zhang, Guojie Song
Resumo dos autores
Os grandes modelos de linguagem (LLMs) são cada vez mais usados para inferir atributos psicológicos, prever o comportamento individual e simular populações humanas. No entanto, apesar de gerarem respostas plausíveis, muitas vezes representam indivíduos de forma incorreta e distorcem estatísticas populacionais. Apresentamos aqui Chiron, um modelo fundacional para medir e prever o comportamento humano. Ajustamos conjuntamente um LLM com fine-tuning para representar construtos psicológicos, prever o comportamento individual e alinhar as distribuições de respostas da população às estatísticas humanas. Os dados de treinamento e avaliação abrangem 36 domínios comportamentais e 78 experimentos de ciências sociais, com 288.307 registros de pessoas, 1.411.750 decisões comportamentais atômicas e 99.953 avaliações psicométricas de 109 construtos psicológicos. Em nossas avaliações, as medições psicológicas de Chiron concordam mais estreitamente com os autorrelatos humanos e apresentam menos vieses que comprometem a validade psicométrica. O modelo prevê o comportamento individual com mais precisão do que os LLMs de ponta (melhora relativa de até 28,4%). Em simulações de experimentos de ciências sociais, captura com mais precisão a direção e a magnitude dos efeitos experimentais em humanos (erro na estimativa do tamanho do efeito 82,2–94,3% menor). Em conjunto, esses resultados estabelecem Chiron como um instrumento computacional unificado para medir e prever o comportamento humano.
O resumo deste paper está disponível apenas em inglês: leia na página em inglês.
Ler o paper original no arXiv