본 논문은 대규모 언어 모델(LLM) 기반 사회 시뮬레이션에서 현실 세계 인구의 다양성과 분포를 사실적으로 반영하는 페르소나 집합 생성의 어려움을 다룹니다. 기존 연구들이 주로 에이전트 프레임워크와 시뮬레이션 환경에 초점을 맞춘 반면, 본 논문은 장기간의 소셜 미디어 데이터를 활용하여 LLM으로 내러티브 페르소나를 생성하고, 엄격한 품질 평가 및 중요도 샘플링을 통해 빅파이브 성격 특성과 같은 참조 심리 측정 분포와의 글로벌 정렬을 달성하는 체계적인 프레임워크를 제안합니다. 또한 특정 시뮬레이션 상황에 맞춰 글로벌 정렬된 페르소나 집합을 표적 하위 집단에 적용하는 작업별 모듈을 도입합니다. 실험 결과, 제안된 방법이 인구 수준의 편향을 크게 줄이고 다양한 연구 및 정책 응용을 위한 정확하고 유연한 사회 시뮬레이션을 가능하게 함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM 기반 사회 시뮬레이션에서 현실적인 인구 표현을 위한 체계적인 페르소나 생성 프레임워크 제시
