高露洁用AI角色扮演调研:重测信度90%能否替代真人样本?

资讯 腾讯网 作者:华尔街见闻 全文 1310 字 · 约 4 分钟读完 分类模型发布合作学术研究大模型

高露洁棕榄(Colgate-Palmolive)与PyMC Labs联合发布的一项新研究显示,只要改变提问方式,让大语言模型“角色扮演”消费者,AI预测真实购买意愿的可靠度即可达到人类重测信度的90%。这篇挂在预印本平台arXiv上的论文近期在海外科技与商业圈引发震动。全球企业每年在消费者调研上投入数十亿美元,有市场观

所属频道 模型发布合作与生态前沿研究

高露洁棕榄与PyMC Labs联合发布的一项新研究显示,改变提问方式后,重测信度达到90%。

这篇论文挂在预印本平台上。

不过,论文作者和一线观察者并没有跟着热闹走,给出的判断更谨慎。研究团队明确表示。

破解AI“和稀泥”顽疾:告别直接打分

快消品投产之前,企业一般会拿有代表性的消费者样本来测产品概念,最看重的指标以5点计。

学界和业界早就有意让AI来当“受访者”。

结果,两款模型的响应分布相似度(。

研究团队认为,毛病不出在。text-embedding-3-small)提取文本向量,再算它跟5句预设锚定陈述的。

这套

9300份真实样本实测:跑赢传统算法,但离不开“人设”

研究团队拿某领先个护企业在美国市场做过的57项真实概念调研当基准。每项调研有150至400名独立受访者,总样本量9300人。

在完整画像加上图文概念刺激的条件下,SSR把GPT-4o和Gemini-2.0-flash在产品相对排名上的相关性达成率分别拉到90.2%和90.6%(参照的是模拟2000次人类随机分组重测的相关性上限)。两款模型的分布。

泛化与降维测试里,SSR同样稳。换成一个新问题——“产品概念与你的相关性如何”,Gemini-2.0-flash的相关性达成率为82%,分布相似度0.81;把图文概念砍成纯文本,模型表现也只是小幅回落。

更关键的对照来自传统机器学习。研究人员随机取28项调研作训练集、29项作测试集,用5项人口特征和3项产品属性反复训练了300个。

但实验也划出一条红线:“人设”不能少。一旦把Gemini-2.0-flash提示词里的人口统计学特征全部拿掉,合成样本照样能给出和真实数据一致的平均分(4.0±0.1),分布相似度也高达0.91,可在最佳参考集下,产品排名的相关性达成率从92%断崖式掉到50%。没了画像约束,AI只会一个劲给好评,挑产品的核心功能也就没了。

细分维度上。

附带的自由文本还带来一笔意外收获。真实受访者的开放式留言常常停在“挺好的”,AI却能给出详尽且少有。

颠覆行业还是“随机鹦鹉”?

论文作者在结论里画出新的研发路径:企业不必为每个早期创意掏钱,而是先用。

不过,研究团队没有绕开方法的硬伤。实验用的6组锚定陈述是针对这57项调研手工调优的,跨调研能不能通用还得再看;AI模拟年龄和收入差异还算靠谱,到了性别、居住地区和族裔维度就不太稳。

更根本的限制在训练语料。SSR在口腔与个护领域管用,很大程度是因为网络论坛和消费者评论里攒下了大量相关讨论;换到语料稀缺的陌生品类,大模型照样会幻觉。真实世界里的预算硬约束、文化语境和营销曝光,合成样本也很难完整还原。

社交平台X上的争论,照出了业界对这一趋势的分歧。用户James He把语义相似度诱导称为“一个有趣的小技巧”,并指出它造出类人分布的方式“本质上只是噪音,且丢失了项目间的所有协方差”,“用来决定牙膏方案或许足够,但未必适用于最关键的决策”。

用户James Sutton则觉得,这正是“。

也有观察者看到了这项成功背后的潜力。用户MartianCats评论说,商业广告到处都在用。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇

    来源 腾讯网
  2. TML开源新模型,循环Transformer架构,笔记本就能跑

    编辑|Panda昨晚,黎曼猜想的一份 AI 证明声明,把大模型的推理能力再次推到聚光灯下。Anthropic 数学家 Levent Alpöge 宣称,自己与 Claude 合作找到了证明,并公布了形式化材料。虽然这项声明仍待独立核验,但已经让人们重新追问:AI 究竟能完成多复杂的工作?而刚刚,Thinking Mac

    来源 腾讯网
  3. OpenAI调整安全策略:35秒内可停模型,第三方评估入驻内部

    21世纪经济报道记者肖潇 报道“前沿大模型的能力正在快速提升,我们理解、对齐和保障安全的能力必须走在前面。”当地时间11月18日,OpenAI发布《应对前沿AI风险:从训练到部署》安全说明,首次全面披露了团队的安全措施,并表示正在调整训练和模型发布速度。一个月前,Anthropic也宣布与第三方安全机构合作,让外部人员

    来源 腾讯网
  4. 问诊AI?一场死亡背后的追问

    查症状、看药品说明书、理解检查报告,优先用有明确医学语料来源、答案带引用且被设计为“转介医生”而非“替代医生”的专业医疗AI产品,而不是把通用聊天大模型当成全科大夫。

    来源 凤凰科技
  5. 没收过钱的DeepSeek,限个流就成罪人了?

    要说哪家大模型公司在科技圈和开发者中口碑最好,DeepSeek 认第二,估计没几家敢认第一。 哥们平时也不买量投流,纯靠模型攒口碑。 但我真没想到,就这么一家浓眉大眼的公司,最近....

    来源 腾讯网
  6. Xiaomi-Lens-0:让AI盯着图里的细节,小米换了种训练方式

    你有没有过这样的经历,拿一张照片问AI:"图里穿蓝衬衫的女士旁边的食物在哪?"它给你一个看似合理的答案,但你仔细一看,它其实把旁边那堆水果认成了"食物",位置还说反了。这不是个例。市面上大部分多模态大语言模型(能同时理解图片和文字的AI)回答整体性问题很在行,比如"这张图是什么场景",但一旦涉及到"数一数有几个...

    来源 腾讯网
  7. 数学家称用Claude证明黎曼猜想

    2026年11月20日,一条消息让全球数学圈彻夜难眠。 美国人工智能公司Anthropic的数学家莱文特·阿尔珀格(Levent Alpöge)在个人网站发布声明,称他与AI模型Claude合作,找到了黎曼猜想的证明。 cryptobriefing 这道难题从1859年悬置至今已有167年,也是美国克雷数学研究所悬赏百

    来源 AI 行业观察
  8. 200万个追踪标记潜入AI供应链,数据托管私密性被证伪

    一项巧妙的隐私实验揭开了AI供应链的隐秘角落。研究人员将约200万个带有唯一标记的“金丝雀”秘密植入提示词与数据流中,结果这些本应保持私密的追踪信息出现在大模型生态的多个环节。实验证明,用户数据在AI供应链中并不会真正保持私密,泄露的范围与深度远超想象。

    来源 AI 科技快讯
  9. DeepSeek-VL前负责人张博创业,Simplex AI开源个人智能体Linger

    一位DeepSeek早期核心成员,创业了。 11月19日,DeepSeek-VL前项目负责人张博(Tony Zhang)宣布,其创办的AI公司Simplex AI正式开源个人智能体产品Linger。这款产品能在用户自己的电脑上运行,替人操作软件、处理邮件,甚至让多个AI助手共同完成任务。 为了降低普通电脑运行大模型的门

    来源 AI 行业观察
  10. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  11. 黄仁勋辞任英伟达CEO:中东AI布局面临变数

    观世界 文/朱兆一当地时间11月12日,美国芯片巨头英伟达(NVDA)宣布,公司联合创始人黄仁勋辞去总裁、首席执行官(CEO)及董事会成员职务,即刻生效。随后,华盛顿接连调整AI(人工智能)合作规则。11月15日,美国与阿联酋、卡塔尔、以色列等国签署《旧金山宣言》,把敏感技术及其依赖的能源、通信、物流等基础设施纳入安全

    来源 腾讯网
  12. Anthropic上市首日破发:2万亿市值难撑,AI股集体下挫

    出品 | 妙投APP作者 | 董必政编辑 | 丁萍头图 | 视觉中国美东时间11月19日中午,纳斯达克的钟声为Anthropic而响。这是一家成立近六年的公司,做大模型的,名字大部分A股股民还念不顺。它的IPO定价83美元,公开发行9.8亿股,募资813.4亿美元;加上谷歌、英伟达等七家产业伙伴按发行价认购的260亿美

    来源 腾讯网
  13. Inkling 2 Mini 发布:循环架构让小模型本地跑出中型模型水准

    Thinking Machines Lab 推出的 Inkling 2 Mini 是一个专为本地部署设计的多模态模型。它通过独特的“循环层”架构,用约 260 亿物理参数实现了接近 48 层逻辑深度的推理能力。文章详细介绍了其技术原理、在代码生成和视觉任务上的表现,以及如何在 Transformers、llama.cp

    来源 AI 应用前沿
  14. 200万金丝雀潜入AI供应链:数据托管不等于隐私安全

    一项巧妙的隐私实验揭开了AI供应链的隐秘角落。研究人员将约200万个带有唯一标记的“金丝雀”秘密植入提示词与数据流中,结果这些本应保持私密的追踪信息出现在大模型生态的多个环节。实验证明,用户数据在AI供应链中并不会真正保持私密,泄露的范围与深度远超想象。

    来源 AI 行业观察
  15. METR时间视野图更新:AI能力仍沿指数上涨,判断力没跟上

    METR发布其广受引用却常被误读的“时间视野图”更新版。新报告确认部分AI能力仍在指数级提升,模型能独立完成的任务时长持续延长;但报告同时揭示明显不对称——模型在编程任务上表现优异,在需要判断力的任务上却明显偏弱。这提醒业界,单一基准无法代表AI在开放式工作中的真实水平。

    来源 AI 行业观察
  16. 黎曼猜想两路攻关:AI生成25万页,人类手写940页

    Anthropic数学家宣布与Claude合作完成黎曼猜想证明,斯坦福教授同时公开人类数学家Masullo的940页GRH证明手稿。前者依赖形式化验证但篇幅巨大,后者坚持纯人工推导却遭AI初步审查质疑。数学界正面临验证速度滞后于证明生成的新挑战,两种路径的碰撞折射出AI时代基础数学研究的范式转变。

    来源 AI 应用前沿
  17. 达瓦科技控制层模型:AI视频何时能告别“抽卡”?

    达瓦科技不走通用大模型路线,而是基于12年片场积累的180TB结构化数据,研发“重控制、轻渲染”的基座模型。通过分离导演逻辑与画面渲染,将影视制作中的反复试错成本降低50%以上,并让实时世界模型能在单张消费级显卡上运行,为直播、游戏及Physical AI提供低成本落地方案。

    来源 AI 应用前沿
向下滚动自动加载更多